支持向量機及其在控制中的應(yīng)用研究.pdf

1、統(tǒng)計方法是從觀測自然現(xiàn)象或者專門安排的實驗所得到的數(shù)據(jù)去推斷該事物可能的規(guī)律性.統(tǒng)計學(xué)習(xí)理論是在研究小樣本統(tǒng)計估計和預(yù)測的過程中發(fā)展起來的一種新興理論,它試圖從更本質(zhì)上來研究機器學(xué)習(xí)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(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的模式識別方法,它是統(tǒng)計學(xué)習(xí)理論中的結(jié)構(gòu)風(fēng)險最小化思想在實際中的一種體現(xiàn).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(xiàn)出許多特有的優(yōu)勢,并能夠推廣應(yīng)用到函數(shù)擬合等其他機器學(xué)習(xí)問題中.該文選取SVM及其如何在控制領(lǐng)域取得應(yīng)用加以研究,希望理論與應(yīng)用并重.因此本文主要由兩大部分構(gòu)成:其一是關(guān)于SVM本身的研究,提出了新的SVM;其二是關(guān)于應(yīng)用的研究,包括如何在最優(yōu)控制中取得應(yīng)用、如何構(gòu)造SVM軟測量儀及在故障診斷中取得應(yīng)用.該文的主要貢獻如下:1.回顧了統(tǒng)計學(xué)習(xí)理論研究的基本問題及主要內(nèi)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(quán)LS-SVM可以對回歸估計問題實現(xiàn)魯棒估計,把它同基于LS-SVM的N步最優(yōu)控制想法相結(jié)合,將其擴展到基于加權(quán)最小二乘廣義SVM,并應(yīng)用于N步最優(yōu)控制問題,確定加權(quán)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(yīng)用的問題,提出了一種微生物發(fā)酵的故障診斷