基于最小二乘支持向量机的混沌控制!-物理学报.PDF

第 卷 第 期 年 月 物 理 学 报 *% ( ’$$* ( ， ， ， LG0 )*% UG )( I7M67-V7E ’$$* （ ） #$$$,’($Q’$$*Q*% $( Q%$#(,$ ?RK? AS=ITR? ITUTR? !’$$* R2/3 ) A2HD ) IG9 ) 基于最小二乘支持向量机的混沌控制! ! 刘 涵 刘 丁 任海鹏 （西安理工大学自动化与信息工程学院，西安 #$$%） （ 年 月 日收到； 年 月 日收到修改稿） ’$$% #$ ’ ’$$% ## ’( 利用支持向量机良好的非线性函数逼近和泛化能力，提出基于最小二乘支持向量机非线性补偿的混沌控制新 方法 应用最小二乘支持向量机离线辨识混沌系统的非线性部分，并用辨识模型补偿系统的非线性，同时应用线性 ) 状态反馈控制混沌系统) 对三种典型连续混沌系统的仿真研究表明，提出的控制方法可以有效的控制混沌系统到 达设定的目标状态，并且由线性状态反馈控制器构成的闭环系统稳定) 关键词：混沌控制，支持向量机，最小二乘支持向量机，状态反馈，稳定性 ： !## $*%* 对于较少的数据样本显得太多，容易导致所得到的 神经网络模型对数据样本过学习，泛化能力不够 同 #: 引 言 ) 时，神经网络固有的易收敛于局部极值的缺陷也限 目前，混沌控制因其广泛的需求和应用前景而 制了它的应用) 受到越来越多的重视，混沌控制不仅为混沌应用准 统计学习理论（ ， ）是 D6.6/D6/9.0 07.E3/3F 627GEH IJK 备必要的手段，而且在理论上也促进了混沌理论和 由L.M3/N 建立的一种专门研究小样本下机器学习 ［ ， ］ 控制理论两个方面的深入研究) 几十年来，控制混沌 规律 的理论#$ ## ，支 持 向量 机 （ D1MMGE6 O796GE 系统，将混沌状态镇定到不动点，或者引导至期望周 ， ）是在这一理论基础上发展起来的一 -.92/37D ILP 期轨道的方法很多 上世纪 年代， 控制混沌 ) ($ ;= 种新的分类和回归工具) 支持向量机通过结构风险 ［］ 的方法受到广泛关注