点击次数：

论文类型：期刊论文

发表时间：2012-07-27

发表刊物：控制与决策

收录刊物：PKU、ISTIC、CSCD、Scopus、EI

卷号：27

期号：8

页面范围：1273-1276

ISSN号：1001-0920

关键字：奇异值分解;模型结构优化;PRESS统计;稀疏基选择

摘要：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.