基于支持向量机的非线性系统辨识

被引：43

作者：

张浩然

韩正之

李昌刚

机构：

[1] 上海交通大学自动化系

来源：

关键词：

支持向量机; 统计学习理论; 非线性系统辨识; 回归估计;

D O I：

10.16182/j.cnki.joss.2003.01.033

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,该文利用支持向量机对非线性系统进行黑箱建模,介绍了v-SVR的基本理论,并进行了仿真实验,结果验证了所提出的方法的正确性和有效性。

引用

页码：119 / 121

页数：3