基于最小二乘支持向量机的励磁特性曲线拟合

被引:15
作者
尉军军
全力
彭桂雪
胡海斌
机构
[1] 江苏大学电气学院
关键词
电流互感器; 最小二乘支持向量机; 非线性; 径向基函数; 曲线拟合;
D O I
暂无
中图分类号
TM452 [电流互感器];
学科分类号
摘要
针对传统支持向量机在电流互感器铁心励磁特性曲线拟合时样本数目较大出现的训练速度慢、占用内存大的问题,提出了一种新的基于最小二乘支持向量机算法。该算法将实测数据由径向基函数把非线性逼近问题转化为线性逼近问题,依据最小二乘法的思想,利用Matlab7.0求一个线性方程组的解,得到拟合曲线的近似表达式。实验结果表明,新算法训练速度快,误差小、拟合精度高。
引用
收藏
页码:15 / 17+24 +24
页数:4
相关论文
共 6 条
[1]   多类支持向量机方法的研究现状与分析 [J].
赵春晖 ;
陈万海 ;
郭春燕 .
智能系统学报, 2007, (02) :11-17
[2]   高斯核支持向量机分类和模型参数选择研究 [J].
郑小霞 ;
钱锋 .
计算机工程与应用, 2006, (01) :77-79
[3]   支持向量机和最小二乘支持向量机的比较及应用研究 [J].
阎威武 ;
邵惠鹤 .
控制与决策, 2003, (03) :358-360
[4]   用于磁化曲线拟合的高精度混合型径向基函数神经网络 [J].
李贵存 ;
刘万顺 ;
宫德锋 ;
藤林 ;
王剑 ;
邓慧琼 .
电网技术, 2001, (12) :18-21+25
[5]   BP网络与CMAC用于非线性曲线拟合 [J].
施晓秋 .
温州大学学报, 2001, (01) :46-49
[6]   Choosing Multiple Parameters for Support Vector Machines [J].
Olivier Chapelle ;
Vladimir Vapnik ;
Olivier Bousquet ;
Sayan Mukherjee .
Machine Learning, 2002, 46 :131-159