一种基于加权LS-SVM的复合辨识方法

• 作者: 马丛俊 王海鹏 张旭 赵涛 向国菲 佃松宜
• 来源期刊: 电光与控制
• 关键词: 数据预处理 加权LS-SVM 补偿模糊神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 学术研究|Academic Research
• 页码范围: 42-45,102
• 页数: 5页
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2021.05.010

摘要

针对采用含随机噪声的数据进行非线性动态系统建模无法获得准确模型参数的问题,提出了一种基于加权最小二乘支持向量机(LS-SVM)数据预处理的复合辨识方案.复合辨识方案根据数据的分布信息,利用加权LS-SVM对异常数据的鲁棒性,通过回归计算消除数据的异常性;再利用预处理后的数据训练补偿模糊神经网络参数,得到系统模型.结果表明,采用加权LS-SVM预处理的复合辨识方案运用在普遍存在随机噪声的系统中,能获得更加准确的辨识模型.