基于奇异值分解及PRESS统计的模型结构优化方法

来源期刊：控制与决策2012年第8期

论文作者：李德才 韩敏

文章页码：1273 - 1276

关键词：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.