基于奇异值分解及PRESS统计的模型结构优化方法

• 作者: 李德才 韩敏
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 奇异值分解 模型结构优化 PRESS统计 稀疏基选择
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 短文
• 页码范围: 1273-1276
• 分类号: TP183
• 语种: 中文

摘要

针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子信息与电气工程学部	200	2311	23.0	33.0
2	李德才	大连理工大学电子信息与电气工程学部	4	11	1.0	3.0