基于递推最小二乘支持向量回归估计的建模与预报

被引：18

作者：

陈爱军

宋执环

李平

机构：

[1] 浙江大学工业控制技术研究所工业控制技术国家重点实验室

来源：

信息与控制 | 2005年 / 06期

关键词：

递推最小二乘支持向量回归; 估计器; 在线更新; 非线性时变系统;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

提出一种新的递推最小二乘支持向量回归估计算法(RLS-SVR),该算法具有实时性高、更新速度快的特点.充分应用RLS-SVR在线学习和训练的实时性,避免辨识模型的维数过高而降低估计精度,本文进一步提出了基于RLS-SVR的混合训练—估计辨识结构.TE过程的组分软测量建模和预报验证了该方法的有效性和优越性.*

引用

页码：652 / 655

页数：4