现代计算机：上半月版
現代計算機：上半月版
현대계산궤：상반월판
Modern Computer
2012年
2期
14-16
,共3页
非线性系统%最小二乘支持向量机%预测模型
非線性繫統%最小二乘支持嚮量機%預測模型
비선성계통%최소이승지지향량궤%예측모형
Non-Linear System%Least Squares Support Vector Machines%Prediction Model
引入径向基函数为核函数的最小二乘支持向量机来完成非线性系统预测．详细介绍其实现方法。仿真实验结果表明，与反向传播神经网络相比，该方法具有较高的预测误差精度和泛化能力。
引入徑嚮基函數為覈函數的最小二乘支持嚮量機來完成非線性繫統預測．詳細介紹其實現方法。倣真實驗結果錶明，與反嚮傳播神經網絡相比，該方法具有較高的預測誤差精度和汎化能力。
인입경향기함수위핵함수적최소이승지지향량궤래완성비선성계통예측．상세개소기실현방법。방진실험결과표명，여반향전파신경망락상비，해방법구유교고적예측오차정도화범화능력。
Chosen the radial basis function （RBF） as kernel function, least squares support vector ma- chines （LSSVM） is used for non-linear system prediction. And presents the methodology steps of this method in details. Compared with back propagation neural networks （BPNN）, the simu- lation experimental results show that LSSVM achieves higher prediction error precision, and has higher generalization performance.
