混沌光学系统辨识的支持向量机方法

将支持向量机用于混沌光学系统的辨识 ,以布拉格声光双稳混沌系统为例 ,通过计算机仿真实验 ,尝试了用最小二乘支持向量机进行混沌光学系统辨识的可行性 ,并将其与采用反向传播算法的前向神经网络辨识方法进行了比较。采用最小二乘支持向量机辨识的优点是其训练过程遵循结构风险最小化原则 ,不易发生过拟合现象 ;它通过解一组线性方程组可得到全局唯一的最优解 ;最小二乘支持向量机的拓扑结构在训练结束时自动获得而不需要预先确定。结果表明 ,本方法的辨识精度和速度均优于基于反向传播算法的前向神经网络 ,且对含噪混沌光学系统的辨识也同样适用 ,它可作为混沌光学系统辨识的有力工具。