小波支持向量回歸模型及其應(yīng)用研究.pdf

1、作為結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的具體實(shí)現(xiàn)，支持向量機(jī)具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強(qiáng)等優(yōu)點(diǎn)，近幾年得到了廣泛的研究。本文仔細(xì)研究了支持向量機(jī)理論，并針對目前一些支持向量機(jī)算法存在的缺陷，分析了產(chǎn)生的原因，給出兩種新的支持向量機(jī)算法。本文著重就支持向量機(jī)的核函數(shù)選擇和構(gòu)造問題進(jìn)行了研究，將小波分析與支持向量機(jī)相結(jié)合構(gòu)造出四種不同類型的支持向量機(jī)模型。本文主要工作包括： (1)對非平穩(wěn)信號進(jìn)行處理時(shí)，信號細(xì)微特征的提取非常關(guān)鍵。論文嘗試將

2、小波技術(shù)和核函數(shù)方法相結(jié)合，用于處理這類信號。對采用小波基構(gòu)建核函數(shù)的可行性進(jìn)行了探討，在支持向量機(jī)線性規(guī)劃算法的基礎(chǔ)上，探討了小波基核函數(shù)的構(gòu)建方法，構(gòu)造出三種核機(jī)器模型，并作了實(shí)例仿真。仿真實(shí)驗(yàn)表明，本文構(gòu)造的三種核函數(shù)表現(xiàn)出良好的性能，它們都優(yōu)于常規(guī)的RBF核和多項(xiàng)式核，初步展示出該方法的可行性和優(yōu)越性。 (2)作為SVM算法基礎(chǔ)的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為進(jìn)一步完善傳統(tǒng)的統(tǒng)計(jì)預(yù)測方法和經(jīng)驗(yàn)非線性預(yù)測方法提供了理論基

3、礎(chǔ)和統(tǒng)一的理論框架。論文在此框架下重新構(gòu)建預(yù)測方法，進(jìn)一步發(fā)展和完善SVM算法，結(jié)合Hilbert空間再生性理論，在Hilbert空間中構(gòu)造出再生核，并將其應(yīng)用于交通流量的預(yù)測中，在提高泛化性和推廣能力方面體現(xiàn)出這種核函數(shù)的優(yōu)越性。 (3)針對異步電機(jī)這種典型的非線性系統(tǒng)，其本身的參數(shù)辨識(shí)和相應(yīng)控制器參數(shù)的自整定都是非常棘手的問題。而在線學(xué)習(xí)機(jī)器實(shí)現(xiàn)異步電機(jī)控制時(shí)，在待學(xué)習(xí)的參數(shù)較多時(shí)，存在優(yōu)化時(shí)間過長、效率過低，不利于工程應(yīng)用