Online prediction model based on the SVD-KPCA method.
Online prediction model based on the SVD-KPCA method.
复制标题
DOI：
10.1016/j.isatra.2012.09.007
复制
发表时间：
2013
期刊：
影响因子：
7.3
通讯作者：
I. Elaissi;Ines Jaffel;O. Taouali;H. Messaoud
中科院分区：
文献类型：
--
作者：
I. Elaissi;Ines Jaffel;O. Taouali;H. Messaoud
提出了一种基于再生核希尔伯特空间（RKHS）的非线性系统在线辨识的新方法。所提出的SVD-KPCA方法使用奇异值分解（SVD）技术来更新主成分。然后，我们使用约简核主成分分析（RKPCA）来逼近代表由KPCA方法选择的观测值的主成分。
This paper proposes a new method for online identification of a nonlinear system modelled on Reproducing Kernel Hilbert Space (RKHS). The proposed SVD–KPCA method uses the Singular Value Decomposition (SVD) technique to update the principal components. Then we use the Reduced Kernel Principal Component Analysis (RKPCA) to approach the principal components which represent the observations selected by the KPCA method.