系统辨识中支持向量机核函数及其参数的研究  

Selection of Kernel Functions and Parameters for Support Vector Machines in System Identification

作　　者：荣海娜[1] 张葛祥[1] 金炜东[1] 

机构地区：[1]西南交通大学电气工程学院,四川成都610031

出　　处：《系统仿真学报》2006年第11期3204-3208,3226,共6页Journal of System Simulation

基　　金：国家自然科学基金资助项目(60572143);国防科技重点实验室基金资助项目(NEWL51435QT220401)。

摘　　要：具有不同核函数和参数的支持向量机(SVM)的性能存在很大差异,核函数及其参数的选择是SVM应用和理论研究中的一个重要问题。在简要介绍非线性系统辨识的支持向量机方法后,重点对常用的核函数及其参数的选择进行了研究,并采用具有不同核函数的SVM进行非线性系统辨识。大量实验结果表明,采用SVM方法进行系统辨识时,径向基核函数(RBKF)比其它核函数的辨识效果好,且RBKF的参数选择较容易,当参数在有效范围内改变时,空间复杂度变化小,易于实现。因此,RBKF是系统辨识SVM的较好选择。It is an important issue for support vector machines （SVMs） to choose kernel functions and parameters in engineering applications and theoretic research because SVMs with different kernel functions and parameters have greatly different performances. After the nonlinear system identification method using SVM was introduced briefly, the selection of kernel functions and their parameters was discussed in detail. Also, several SVMs with different kernel functions and parameters were used to identify nonlinear systems. A large number of experimental results show that the SVM using radial basis kernel function （RBKF） has good identification results than other kernel functions when SVM is applied to identify a nonlinear system. Furthermore, the parameter of RBKF is easy to choose. The space complexity is not large when the parameter of RBKF varies. So RBKF is a good choice for SVM in system identification.

关 键 词：支持向量机 核函数 系统辨识 非线性系统 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]