基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
T-S模型把一个非线性系统当做多个线性子系统与其权重乘积之和,能够逼近任意非线性系统.提出基于遗传算法和支持向量机的T-S模型全局优化辨识方法,利用遗传算法同时辨识T-S模型的结构和参数,以结构风险最小化作为辨识的评价指标,综合考虑模型复杂度和辨识误差,辨识精度高,泛化能力强,仿真结果证明了算法的有效性.
推荐文章
规则递归T-S模糊模型及其辨识方法
T-S模糊模型
规则递归
模糊聚类
支持向量机
粒子群优化
基于T-S模糊模型的辨识与控制
T-S模型
广义预测控制
模糊聚类
基于T-S模糊模型的神经网络的系统辨识
T-S模糊模型
神经网络
结构辨识
参数辨识
基于最小二乘支持向量机的T-S模型在线辨识
T-S模型
时间窗
势能
最小二乘支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 T-S模型全局优化辨识
来源期刊 计算机工程与应用 学科 工学
关键词 T-S模型 结构辨识 参数辨识 支持向量机 遗传算法
年,卷(期) 2012,(36) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 151-154
页数 4页 分类号 TP273.4
字数 2654字 语种 中文
DOI 10.3778/j.issn.1002-8331.1107-0561
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁学明 上海理工大学光电信息与计算机工程学院 35 152 7.0 10.0
2 沈业茂 上海理工大学光电信息与计算机工程学院 3 12 2.0 3.0
3 张久忠 上海理工大学光电信息与计算机工程学院 2 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
T-S模型
结构辨识
参数辨识
支持向量机
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导