回归型支持向量机的系统辨识及仿真

被引：7

作者：

黄宴委

吴惕华

赵静一

机构：

[1] 上海交通大学电信学院自动化系

[2] 燕山大学机械工程学院机电系上海

[3] 上海

[4] 河北省科学院

[5] 河北石家庄

[6] 河北河北秦皇岛

来源：

计算机仿真 | 2004年 / 05期

关键词：

支持向量机; 神经网络; 系统辨识;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文详细阐述支持向量机(SVM)和最小二乘SVM(LS-SVM)的基本原理基础上,提出基于SVM的线性、非线性系统辨识,通过仿真分析并比较SVM、LS-SVM辨识与神经网络辨识结果,得到SVM、LS-SVM方法比神经网络具有更高的系统辨识精度和更好的泛化能力;LS-SVM算法比SVM快速,抗噪声能力强,更适合于动态系统辨识。

引用

页码：41 / 44

页数：4