没有参数的系统辨识方法与模型估计方式
基于模型类/参数模式的传统系统辨识,虽然囊括了系统辨识几乎所有的成果,理论也趋于成熟,但不宜使用在空间中分布不均匀且数量相对少的数据.鉴于此,提出针对这类数据建模的无参数系统辨识研究方向,讨论基于代表点和加权距离的无参数系统辨识方法,给出基于分类一致性准则的模型估计方式.与传统系统辨识的区别是,"没有参数"并且从实质上改变估计模型的方式.用IRIS,Breast Cancer等典型数据检验了模型的有效性.
系统辨识、无参数辨识、指标分类权、分类一致性、学习算法
26
TP13(自动化基础理论)
国家自然科学基金60874116;60940036;河北省自然科学基金F2009000857
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
1459-1462,1468