基于鲁棒支持向量机的非线性系统辨识.pdfVIP

下载本文档

0
0
约6.28千字
约 2页
2017-08-13 发布于安徽
举报
版权申诉

基于鲁棒支持向量机的非线性系统辨识.pdf

1、本文档共2页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第27卷第6期增刊仪器仪表学报 V01．27NO．6 2006年6月 Chinese ofScientificInstrument Jun．2006 Journal 基于鲁棒支持向量机的非线性系统辨识韩建民1 王丽侠2 张浩然1 1(浙江师范大学信息学院金华321004) 2(浙江师范大学行知学院金华321004) 摘要支持向量机(SVM)是一种基于结构风险最小化原理的学习技术，该文利用鲁棒支持向量机对非线性系统进行黑箱建模，首先推导出鲁棒支持向量机的基本理论，给出了对偶优化问题，并结合一个具体的例子进行了仿真实验，结果验证了所提出的方法的正确性和有效性。关键词支持向量机统计学习理论非线性系统辨识 NonlinearidentificationbasedOilrobust vectormachine systems support HanJianminl LiXia2 Haoranl Wang Zhang Scienceand Normal 321004) 1(CollegeofInformation Engineering，ZhejiangUniversity，Jinhua Normal 321004) ofXingZhi，ZhejiangUniversity，Jinhua 2(College Abstract vectormachineisa basedonthestructuralriskminimization Support learningtechnique principle，This usesrobust vectormachinetomodelnonlinear deducethe ofrobust paper support dynamicalsystems，firstlytheory vector itsdual concretesimulationistakentodemonstrate supportmachine，givesoptimizationproblem．A example the correctnessandeffectiveness． proposedapproacks words vectormachinestatistical nonlinear identification Key support learningtheory systems 1 引言 2鲁棒支持向量机简介由于对未知动态系统动态行为了解的需要，系统 SVM用来解决回归问题的表述是这样的：给定样辨识已经成为一个很重要的研究课题。实际系统大都本集(x。，Y，)，…，(x。，