location: Current position: Home >> Scientific research >> Paper achievements

基于鲁棒支持向量机的非线性系统辨识

Hits :

First Author : 韩建民

Date of Publication : 2006-01-01

Journal : 仪器仪表学报

Affiliation of Author(s) : 数理与信息工程学院

Document Type : 期刊

Issue : 第A3期

Page Number : 2279-2280

ISSN : 0254-3087

Key Words : 支持向量机;统计学习理论;非线性系统辨识

Abstract : 支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,该文利用鲁棒支持向量机对非线性系统进行黑箱建模,首先推导出鲁棒支持向量机的基本理论,给出了对偶优化问题,并结合一个具体的例子进行了仿真实验,结果验证了所提出的方法的正确性和有效性.

Translation or Not : no

Pre One : 基于小波神经网络的绝缘子漏电量预测方法

Next One : “教学—训练—竞赛一体化”程序设计能力培养体系的构建

Recommend this Article