基于核函数的间接测量系统模型设计.pdfVIP

《钟量与溯试技术》2。14专第41卷第3期 基于核函数的间接测量系统模型设计 潘光斌 徐 锦 廖 玲 (中国工程物理研究院计量测试中心，四川 绵阳621900) 摘 要：介绍了核函数的基本理论和方法，提出了基于核函数主成份分析( cA)的间接测量模型构建方法，并与神经网络方法进行了比较，数值仿真实例 证明了该方法在非线性测量模型的建模性能上的改进。 关键词：核函数；KPCA；神经网络；间接测量模型 中图分类号：TP274 文献标识码 ：A 国家标准学科分类代码 ：520．10 Design ofIndirectM easurementSystem M odelBasedonKernelFunction PanGuangbin XuJin LiaoLing 0 前言 函数、高斯径向核函数、多层感知机核函数与指数型核函 近年来 ，Vpnik根据统计学习理论提出了支持 向量机 数等。其定义分别如下： (SupportVectorMachine，sw )理论方法。其中，对于线性 K(，f)=[( ·f)+1】P 不可分问题 ，引人了核空间理论：将低维的输人空间数据 Kc，=exp[一 ] 映射到特征空间，使分类问题转化到特征空间进行。可 以证明：如果选用适当的映射函数，输入空间线性不可分 K(，)=tanh【(’f)+c] 问题可以在特征空间转化为线性可分 问题。这种非线性 Kc，=exp[一 ] 映射函数被称为核函数 (KernelFunction)。将核函数与 根据模式识别理论，低维空间线性不可分的模式通 一 般的PCA方法有机融合而形成一种新的基于核的主 过非线性映射到高维特征空间则可能实现线性可分。核 成分分析 (KernelPrincipleComponentAnalysis，KPCA)，它 函数方法的基本原理是通过非线性函数 声(·)把输入空 通过非线性映射将输人向量映射到高维特征空间，然后 间映射到高维特征空间，在特征空间进行分类或回归等 对高维空间的数据作PCA分析，得到原始数据的非线性 数据处理。核函数技术的关键在于通过引入核函数，可 主元。KPCA充分利用核的思想，因而更加适于解决非 以把非线性变换后的高维特征空间的内积运算转换为原 线性问题，目前已经在数据非线性特征提取、计算机视 始输入空间中的核函数的计算，即通过 K(，)= () 觉、文字识别等领域得到了成功的应用。将该方法引人 · ≠( )来实现的。这样，在特征空间的线性运算即对应 间接测量系统建模中，不仅具有优 良的主元提取性能，而 原输人空间的非线性算法，因而采用核函数技术不仅可 且有效地克服了大数据量计算带来的维数灾难及局部最 以产生新的非线性算法，而且可以改进一些传统的线性 小问题，尤其适合大型复杂非线性测量系统模型的构建 处理算法。 过程。 通常把采用核函数技术的一类方法称为核函数方 1 KPC