支持向量機及其在控制中的應用研究.pdf

1、統(tǒng)計方法是從觀測自然現象或者專門安排的實驗所得到的數據去推斷該事物可能的規(guī)律性.統(tǒng)計學習理論是在研究小樣本統(tǒng)計估計和預測的過程中發(fā)展起來的一種新興理論,它試圖從更本質上來研究機器學習問題,因此引起了人們越來越多的重視.支持向量機(SVM)是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新的模式識別方法,它是統(tǒng)計學習理論中的結構風險最小化思想在實際中的一種體現.SVM的基本思想是通過非線性變換將輸入空間變換到一個高維空間,然后在這個新的空間中求取最優(yōu)

2、分類超平面.它在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優(yōu)勢,并能夠推廣應用到函數擬合等其他機器學習問題中.該文選取SVM及其如何在控制領域取得應用加以研究,希望理論與應用并重.因此本文主要由兩大部分構成:其一是關于SVM本身的研究,提出了新的SVM;其二是關于應用的研究,包括如何在最優(yōu)控制中取得應用、如何構造SVM軟測量儀及在故障診斷中取得應用.該文的主要貢獻如下:1.回顧了統(tǒng)計學習理論研究的基本問題及主要內容.2.針對

3、回歸估計問題提出了模糊SVM.3.針對多類回歸模型估計問題提出了基于SVM的模糊C聚類算法.4.加權LS-SVM可以對回歸估計問題實現魯棒估計,把它同基于LS-SVM的N步最優(yōu)控制想法相結合,將其擴展到基于加權最小二乘廣義SVM,并應用于N步最優(yōu)控制問題,確定加權因子采用了模糊運算的辦法.5.針對微生物發(fā)酵中需要有大量軟測量儀表的問題,提出了基于SVM的軟測量儀.6.研究了SVM如何在故障診斷中應用的問題,提出了一種微生物發(fā)酵的故障診斷