原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
本发明提供了一种稀疏自适应的复杂系统模型辨识方法，包含三个模块：基函数设计模块，设计以三角函数、幂函数等初等函数为主的候选基函数库，对时间节点向量进行变换，实现对系统的精准建模；评价指标求解模块，设计了一种针对各项候选基函数的评价指标——相关因子，衡量了各项候选基函数对模型的贡献程度，通过一种基于边缘似然函数最大化的稀疏贝叶斯学习算法进行计算；系数矩阵回归模块，在给定的可调误差阈值下利用设计的评价指标对候选基函数进行最大化的筛除，得到该阈值条件下最稀疏的模型。该方法在给定的误差阈值下能辨识出最稀
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116166921 A
(43)申请公布日 2023.05.26
(21)申请号 202310268392.9
(22)申请日 2023.03.20
(71)申请人 东南大学
地址 210096
文档评论（0）