基于混合最小二乘支持向量机网络模型的非线性系统辨识

摘要：

针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识.同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.

关键词：混合专家系统、最小二乘支持向量机、非线性系统辨识、期望条件最大化、正则化

所属期刊栏目：27

分类号：TP183(自动化基础理论)

资助基金：北京市教育委员会共建重点实验室资助项目CSYS100070417

在线出版日期：2010-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：303-309