一种基于支持向量机的非线性系统辨识方法An Approach of System Identification for Nonlinear System Based on Support Vector Machine
夏志敏,赵志诚
摘要(Abstract)：
提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。
关键词(KeyWords)： 支持向量机;非线性系统;系统辨识;非线性回归
基金项目(Foundation): 山西省自然科学基金项目(2007011049)
作者(Author): 夏志敏,赵志诚
参考文献(References)：
- [1]李秀英,韩志刚.非线性系统辨识方法的新进展[J].自动化技术与应用,2004,23(10):5-7.
- [2]NELLO CRISITIANINI,JOHN SHAWE TAYLOR.支持向量机导论[M].李国正,王猛,译.北京:电子工业出版社,2006.
- [3]STEVE R GUNN.Support Vector Machines for Classification and Regression[R].London:University of Southampton,1998.
- [4]沈承凤.数据挖掘算法与应用[M].北京:北京大学出版社,2006.
- [5]陆文聪,陈念贻,叶晨洲.支持向量机算法和软件ChemSVM介绍[J].计算机与应用化学,2002,19(6):697-702.
- [6]VAPNIK V VLADIMIR.The Nature of Statistical Learning Theory[M].NewYork:Springer Verlag,1995.
- [7]吴金培,孙德山.现代数据分析[M].北京:机械工业出版社,2006.