%0 Journal Article
%T 基于混合最小二乘支持向量机网络模型的非线性系统辨识
%A 陈杰
%A 朱琳
%J 控制理论与应用
%D 2010
%R 10.7641/j.issn.1000-8152.2010.3.CCTA080609
%X 针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识,同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.
%K 混合专家系统
%K 最小二乘支持向量机
%K 非线性系统辨识
%K 期望条件最大化
%K 正则化
%U http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA080609&flag=1