序贯最小二乘支持向量机的结构系统识别

提出一种用于结构系统识别的序贯最小二乘支持向量机(SLS-SVM)方法,通过对训练数据的序列进入和数据缩减,分别采用增量算法和减缩修剪算法有效地改进了LS-SVM。这种方法克服了标准LS-SVM算法的稀疏性缺失的缺点,并使LS-SVM的序贯训练成为可能。对非线性滞迟结构的在线参数识别显示了所提出方法的鲁棒性和高效率,同时也表明SLS-SVM算法的速度比批处理SVM算法要快。