一種基于加權(quán)LS-SVM的復(fù)合辨識方法

摘要： 針對采用含隨機(jī)噪聲的數(shù)據(jù)進(jìn)行非線性動(dòng)態(tài)系統(tǒng)建模無法獲得準(zhǔn)確模型參數(shù)的問題,提出了一種基于加權(quán)最小二乘支持向量機(jī)(LS-SVM)數(shù)據(jù)預(yù)處理的復(fù)合辨識方案。
復(fù)合辨識方案根據(jù)數(shù)據(jù)的分布信息,利用加權(quán)LS-SVM對異常數(shù)據(jù)的魯棒性,通過回歸計(jì)算消除數(shù)據(jù)的異常性;再利用預(yù)處理后的數(shù)據(jù)訓(xùn)練補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)參數(shù),得到系統(tǒng)模型。 （共5頁）