基于KPCA与LSSVM的网络控制系统时延预测方法

• 作者: 李琨 田中大 高宪文
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 网络控制系统 时延预测 核主成分分析 最小二乘支持向量机
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 制导、导航与控制
• 页码范围: 1281-1285
• 页数: 5页
• 分类号: TP273
• 字数: 4330字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2013.06.25

摘要

针对网络控制系统中随机时延很难精确预测的问题,首次将核主成分分析(kernel principal component analysis,KPCA)与最小二乘支持向量机(least squares support vector machine,LSSVM)结合对随机时延进行预测,KPCA对输入随机时延序列降维,消除重复性与噪声,减少LSSVM的运算量,降维后的时延序列通过LSSVM算法预测时延值.仿真结果表明,基于KPCA与LSSVM的时延预测方法的预测精度高于其他的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高宪文	东北大学信息科学与工程学院	92	1017	17.0	27.0
2	田中大	东北大学信息科学与工程学院	10	100	8.0	10.0
3	李琨	东北大学信息科学与工程学院	9	90	7.0	9.0