增量型支持向量機(jī)回歸訓(xùn)練算法及在控制中的應(yīng)用.pdf

1、本論文主要研究了支持向量機(jī)(SupportVectorMachine，簡稱SVM)增量型訓(xùn)練算法及其在控制領(lǐng)域中的應(yīng)用。支持向量機(jī)(SupportVectorMachines，簡稱SVM)是由Vapnik等人于上世紀(jì)末提出的一種嶄新的學(xué)習(xí)機(jī)器，它是統(tǒng)計(jì)學(xué)習(xí)理論的核心部分，是處理小樣本學(xué)習(xí)的有效工具。支持向量機(jī)作為統(tǒng)計(jì)學(xué)習(xí)理論的實(shí)現(xiàn)方法，有效克服了神經(jīng)網(wǎng)絡(luò)方法收斂慢、解不穩(wěn)定、推廣性差的缺點(diǎn)，近年來受到了很大重視，在模式識(shí)別、信號(hào)處理、控

2、制、通訊等方面得到了廣泛應(yīng)用，也成為了機(jī)器學(xué)習(xí)領(lǐng)域理論研究的新熱點(diǎn)。 目前已有一些成熟的支持向量機(jī)訓(xùn)練算法得到廣泛的應(yīng)用，比如chunking算法、分解算法，以及最著名的SMO算法等。然而這些算法無一例外都是只能夠離線應(yīng)用的訓(xùn)練算法，對(duì)支持向量機(jī)在線訓(xùn)練算法的研究還很少，因此本文在已有成果的基礎(chǔ)之上，重點(diǎn)地研究了增量型的支持向量機(jī)訓(xùn)練算法。增量型的支持向量機(jī)訓(xùn)練算法的一個(gè)重要特點(diǎn)是可以用于實(shí)時(shí)在線訓(xùn)練支持向量機(jī)的模型，這將大大擴(kuò)

3、展支持向量機(jī)的應(yīng)用范圍。 論文主要內(nèi)容如下：首先針對(duì)常規(guī)增量型的支持向量機(jī)訓(xùn)練算法存在的問題(比如邊緣支持向量集合為空時(shí)算法無效、算法訓(xùn)練速度慢等)進(jìn)行了深入的分析，得到有效的改進(jìn)方法，大大提高了算法的建模性能和實(shí)用性。通過仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)的增量型支持向量機(jī)訓(xùn)練算法的有效性。 其次本文把增量型的支持向量機(jī)訓(xùn)練算法應(yīng)用到控制領(lǐng)域中來，結(jié)合經(jīng)典的控制算法(比如直接逆控制、內(nèi)模控制、預(yù)測(cè)控制等)，構(gòu)造出一些有效的在線控制算法