%0 Journal Article
%T 基于奇异值分解及PRESS统计的模型结构优化方法
%A 李德才
%A 韩敏
%J 控制与决策
%P 1273-1276
%D 2012
%X 针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.
%K 奇异值分解
%K 模型结构优化
%K PRESS
%K 统计
%K 稀疏基选择
%U http://www.kzyjc.net:8080/CN/abstract/abstract12041.shtml