《表1 不同核宽度σ的比较结果》
设该函数类的定义域为-1 x 1,为获取建立模型所需要的样本数据,不妨取xk=0.021k,k=-47,-46,···,46,47,图9给出了由不确定性参数τ引起的不确定性输出.接下来用提出的区间回归模型包络由不确定性参数τ值所引起的测量输出.应用5–阶交叉验证获取超参数集(ε,γ,σ)为(0.001,100,3.5),由上边、下边模型构成的区间回归模型如图10所示,区间模型的曲线平坦度变化相对较大,分别对应URM与LRM的SVs%都为45.26%,RMSE为0.0037和0.0036,辨识精度进一步提高,但区间模型趋于复杂,其中点线属于Γ;若选取(ε,γ,σ)为(0.001,100,4.5),如图11所示,fU(x)和fL(x)的RMSE分别为0.0073和0.0074,反映了提出方法的辨识精度较图10模型结构相对简单,此时URM与LRM从96个数据中仅用了21个数据(支持向量)建立区间模型的上、下边界(对应SVs%都为22.11%),稀疏特性较好,曲线较平坦,实线分别对应上边回归模型逼近fU(x)以及下边回归模型逼近fL(x).换言之,图11所对应区间模型的稀疏特性比图10好,但辨识精度却比图10差.此外图12和图13给出了在满足各自约束条件的fU(x)和fL(x)的逼近误差曲线.为了更清晰的论证提出方法在辨识精度和稀疏特性之间的平衡,表1和图14在不同核参数情况下的两个指标RMSE和SVs%的变化分别反映了模型辨识精度及模型的稀疏特性.
图表编号 | XD00165463400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 刘小雍、方华京、陈孝玉 |
绘制单位 | 遵义师范学院工学院、华中科技大学自动化学院、遵义师范学院工学院 |
更多格式 | 高清、无水印(增值服务) |