-
题名基于改进的LSSVM辨识动态非线性时变系统
- 1
-
-
作者
杜志勇
王鲜芳
郑丽媛
-
机构
河南机电高等专科学校
江南大学通信与控制工程学院自动化研究所
辽宁工程技术大学电气与控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2010年第21期238-241,共4页
-
基金
国家高技术研究发展计划(863)No.2006AA020301-11
河南省教育厅自然科学研究项目(No.2007510006)~~
-
文摘
针对非线性时变系统难以辨识的问题,提出了一种基于改进最小二乘支持向量机的辨识新方法。该方法在加权最小二乘支持向量机的基础上,引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量,同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。通过对动态非线性时变系统的仿真,结果表明该算法具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。
-
关键词
矢量基
加权最小二乘支持向量机
支持向量稀疏性
自适应迭代算法
-
Keywords
vector base
weighted least squares support vector machines
support vector sparseness
adaptive and iterative algorithm
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名利用矢量基学习和自适应迭代算法改进LSSVR
- 2
-
-
作者
王鲜芳
杜志勇
-
机构
河南师范大学计算机与信息技术学院
河南机电高等专科学校
-
出处
《计算机工程与应用》
CSCD
2012年第6期38-41,共4页
-
基金
国家自然科学基金(No.61173071)
河南省基础与前沿技术研究计划项目(No.112300410254)
+1 种基金
河南省科技攻关计划项目(No.112102210412)
河南师范大学10博士科研启动课题(521)
-
文摘
针对最小二乘支持向量回归缺乏传统SVR的稀疏性和鲁棒性等问题,综合矢量基学习和自适应迭代算法的优势,提出了一种改进的加权最小二乘支持向量回归算法(LSSVR)。该算法通过引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量集,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性;同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。实验结果表明,改进的LSSVR具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。
-
关键词
矢量基
自适应迭代算法
支持向量稀疏性
-
Keywords
vector-base
adaptive iterative algorithm
support vector sparsely
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
