南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2011年
3期
328-333
,共6页
最小二乘支持向量机%矢量基%自适应迭代%回归算法
最小二乘支持嚮量機%矢量基%自適應迭代%迴歸算法
최소이승지지향량궤%시량기%자괄응질대%회귀산법
为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法.在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响.回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%～8.9%,训练时间为标准LS-SVM的0.011%～0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究.
為增彊最小二乘支持嚮量機(LS-SVM)迴歸建模的稀疏性、魯棒性和實時性,在加權LS-SVM的基礎上,提齣瞭基于矢量基學習的自適應迭代迴歸算法.在訓練過程中,該算法通過矢量基學習和自適應迭代相結閤的方法得到1箇小的支持嚮量集,同時採用加權方法確定權值以減小訓練樣本中非高斯譟聲的影響.迴歸學習和動態繫統辯識的倣真結果錶明:在迴歸建模精度相似的情況下,該算法確定的支持嚮量為全部學習樣本的4.9%～8.9%,訓練時間為標準LS-SVM的0.011%～0.383%;由于能夠魯棒跟蹤時變非線性繫統的動態特性,適閤在線實時訓練;可進一步用于非線性繫統的建模和實時控製研究.
위증강최소이승지지향량궤(LS-SVM)회귀건모적희소성、로봉성화실시성,재가권LS-SVM적기출상,제출료기우시량기학습적자괄응질대회귀산법.재훈련과정중,해산법통과시량기학습화자괄응질대상결합적방법득도1개소적지지향량집,동시채용가권방법학정권치이감소훈련양본중비고사조성적영향.회귀학습화동태계통변식적방진결과표명:재회귀건모정도상사적정황하,해산법학정적지지향량위전부학습양본적4.9%～8.9%,훈련시간위표준LS-SVM적0.011%～0.383%;유우능구로봉근종시변비선성계통적동태특성,괄합재선실시훈련;가진일보용우비선성계통적건모화실시공제연구.
