基于混合最小二乘支持向量机网络模型的非线性系统辨识

• 作者: 朱琳 陈杰
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 混合专家系统 最小二乘支持向量机 非线性系统辨识 期望条件最大化 正则化
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 论文
• 页码范围: 303-309
• 分类号: TP183
• 字数: 6606字
• 语种: 中文

摘要

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识.同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈杰	北京理工大学信息科学技术学院自动控制系	132	1712	22.0	35.0
2	朱琳	北京理工大学信息科学技术学院自动控制系	6	25	3.0	5.0