LS-SVM与多层前向网络的非线性回归性能比较  

Comparation of Nonlinear Regression Estimation Ability of LS-SVM and Multilayer Forward Neural Network

作　　者：王伟[1] 王田苗[2] 魏洪兴[2] 

机构地区：[1]中国农业大学工学院,北京100083 [2]北京航空航天大学机械工程及自动化学院,北京100083

出　　处：《系统仿真学报》2008年第1期256-258,263,共4页Journal of System Simulation

基　　金：863高技术计划资助项目(2003AA430110)

摘　　要：在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理并比较了两者的优缺点后,将LS-SVM与多层前向网络中的两种典型网络BP网络和RBF网络,分别应用于装载机载重动态测量的非线性函数回归估计中,对这三种网络在函数逼近和泛化能力两方面的性能进行比较研究。仿真结果表明,LS-SVM在精度和泛化性能两方面做到了最好的折衷,是用于非线性函数回归分析的一种很有效的方法。Nonlinear regression algorithms of support vector machines （SVM） and least squares support vector machines （LS-SVM） were introduced, In order to compare the generalization ability and the precision of function estimation, together with BP neural net and RBF neural net, LS-SVM was applied to the function regression estimation of dynamic weighing of wheel loader respectively. The emulation result indicates that the LS-SVM has the best integrative performance, so it is an effective method for being used in nonlinear function regression estimation.

关 键 词：最小二乘支持向量机 BP RBF 非线性 回归估计 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]