- 相關(guān)推薦
PSO并行優(yōu)化LSSVR非線性黑箱模型辨識(shí)
針對(duì)非線性黑箱系統(tǒng)辨識(shí)中存在不確定性、高階次,采用常規(guī)辨識(shí)方法建立其精確數(shù)學(xué)模型十分困難等問題,提出一種基于自適應(yīng)粒子群算法的最小二乘支持向量機(jī)回歸(PSO-LSSVR)非線性系統(tǒng)辨識(shí)方法.該方法采用2組自適應(yīng)粒子群算法并行計(jì)算模型,分別利用自適應(yīng)粒子群算法對(duì)LSSVR中的參數(shù)進(jìn)行自動(dòng)選取和矩陣迭代求解,既克服了傳統(tǒng)LSSVR參數(shù)難以確定的缺點(diǎn),提高了辨識(shí)精度,同時(shí)避免了復(fù)雜矩陣求逆運(yùn)算,加快了計(jì)算速度.將該方法應(yīng)用于船舶操縱性模型非線性系統(tǒng)辨識(shí),仿真結(jié)果表明,由該方法得到的LSSVR能夠有效地對(duì)系統(tǒng)進(jìn)行建模,仿真精度高,結(jié)構(gòu)簡(jiǎn)單,具有一定的理論推廣意義.
作 者： 劉勝 宋佳 李高云 LIU Sheng SONG Jia LI Gao-yun 作者單位： 哈爾濱工程大學(xué),自動(dòng)化學(xué)院,黑龍江,哈爾濱,150001 刊 名： 智能系統(tǒng)學(xué)報(bào) ISTIC 英文刊名： CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS 年，卷(期)： 2010 5(1) 分類號(hào)： N945.1 TP18 關(guān)鍵詞： 粒子群算法 最小二乘支持向量機(jī)回歸 非線性系統(tǒng)辨識(shí) 黑箱模型 船舶操縱模型【PSO并行優(yōu)化LSSVR非線性黑箱模型辨識(shí)】相關(guān)文章：
副熱帶高壓與東亞季風(fēng)指數(shù)的非線性數(shù)學(xué)模型的遺傳算法參數(shù)優(yōu)化04-26
利用協(xié)同優(yōu)化方法實(shí)現(xiàn)復(fù)雜系統(tǒng)分解并行設(shè)計(jì)優(yōu)化04-26
廣義非線性混合效應(yīng)模型的變離差檢驗(yàn)04-27
基于代理模型的結(jié)構(gòu)外形優(yōu)化04-26
基于GPS RTK技術(shù)的慣導(dǎo)平臺(tái)誤差模型辨識(shí)04-26
半?yún)?shù)非線性再生散度模型的漸近推斷04-26
河流系統(tǒng)水質(zhì)管理模糊優(yōu)化模型04-25
銀行資產(chǎn)負(fù)債管理的模型及其優(yōu)化04-26