期刊文献+

基于支持向量机的直接逆模型辨识 被引量:16

Support vector machine based direct inverse-model identification
下载PDF
导出
摘要 在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强. After a simple discussion of the principle of the inverse_model identification,a support vector machines(SVM) based direct inverse_model identification method is developed by using SVM's excellent ability of function approximation.According to the train data,linear and nonlinear systems' black_box identification is performed by using SVM with quadric polynomial and Gaussian RBF kernel respectively.Simulation results show that the performance of SVM based direct inverse_model is better than that of BP neural network in that it has better identification precision,quicker identification speed and stronger generalization ability.
出处 《控制理论与应用》 EI CAS CSCD 北大核心 2005年第2期307-310,共4页 Control Theory & Applications
基金 国家973项目资助(2002CB312200).
关键词 逆模型 支持向量机(SVM) BP神经网络 建模与辨识 inverse_model support vector machine(SVM) BP neural network modeling and identification
  • 相关文献

参考文献4

  • 1VAPNIK V N. The Nature of Statistical Learning Theory [ M]. New York: Springer-Verlag, 1995.
  • 2DREZET P M L,HARRISON R F.Support vector machines for system identification [C]//Proc of UKACC Int Conf on Control'98.UK: University of Wales Press, 1998: 668 - 692.
  • 3SUYKENS J A K. Nonlinear modeling and support vector machines[C]//Proc of IEEE Instrumentation and Measurement Technology Conference. Budapest, Hungary: IEEE Press, 2001: 287 - 294.
  • 4马晓敏.基于神经网络的动态系统逆模型辨识及闭环控制(英文)[J].控制理论与应用,1997,14(6):829-836. 被引量:7

二级参考文献1

  • 1Ma Xiaomin,Signal Process,1995年,11卷,4期,276A页

共引文献6

同被引文献145

引证文献16

二级引证文献108

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部