Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2012-07-27

Journal: 控制与决策

Included Journals: EI、Scopus、CSCD、ISTIC、PKU

Volume: 27

Issue: 8

Page Number: 1273-1276

ISSN: 1001-0920

Key Words: 奇异值分解;模型结构优化;PRESS统计;稀疏基选择

Abstract: 针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.