建立1种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的模糊辨识方法,根据学习样本集的模糊聚类结果,产生LSSVM的模糊核函数,并证明该模糊核函数是Mercer核函数,为LSSVM提供1种构造核函数的简便方法。此外,由...建立1种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的模糊辨识方法,根据学习样本集的模糊聚类结果,产生LSSVM的模糊核函数,并证明该模糊核函数是Mercer核函数,为LSSVM提供1种构造核函数的简便方法。此外,由于所建立的模糊辨识方法在T-S模糊模型的后件参数学习过程中采用结构风险最小化准则,提高了模型的泛化能力。利用所建立的辨识方法进行热工对象逆系统模型辨识,证明了该方法的有效性。展开更多
文摘建立1种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的模糊辨识方法,根据学习样本集的模糊聚类结果,产生LSSVM的模糊核函数,并证明该模糊核函数是Mercer核函数,为LSSVM提供1种构造核函数的简便方法。此外,由于所建立的模糊辨识方法在T-S模糊模型的后件参数学习过程中采用结构风险最小化准则,提高了模型的泛化能力。利用所建立的辨识方法进行热工对象逆系统模型辨识,证明了该方法的有效性。
