一種基于加權(quán)LS-SVM的復(fù)合辨識方法

摘要： 針對采用含隨機噪聲的數(shù)據(jù)進行非線性動態(tài)系統(tǒng)建模無法獲得準確模型參數(shù)的問題,提出了一種基于加權(quán)最小二乘支持向量機(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)訓練補償模糊神經(jīng)網(wǎng)絡(luò)參數(shù),得到系統(tǒng)模型。