基于支持向量机的非线性系统辨识

摘要：

支持向量机(SVM)是一种新的通用学习机器,它从结构风险最小化的角度,分析了学习过程的一致性、收敛速度等.SVM能以任意精度逼近一类函数,而与输入的维数无关,克服了传统神经网络用于系统辨识的维数灾问题及结构难以确定等缺点.基于这一特性研究了对非线性动态系统的辨识问题,仿真结果表明SVM用于系统辨识有良好的辨识效果,并指出了今后研究的方向.

关键词：支持向量机、非线性系统、系统辨识

所属期刊栏目：21

分类号：TP13(自动化基础理论)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：54-56,58