基于KPCA与LSSVM的网络控制系统时延预测方法

作     者：田中大 高宪文 李琨 TIAN Zhong-da;GAO Xian-wen;LI Kun

作者机构：东北大学信息科学与工程学院辽宁沈阳110819 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2013年第35卷第6期

页      面：1281-1285页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(61034005)资助课题 

主　　题：网络控制系统 时延预测 核主成分分析 最小二乘支持向量机 

摘      要：针对网络控制系统中随机时延很难精确预测的问题,首次将核主成分分析(kernel principal compo-nent analysis,KPCA)与最小二乘支持向量机(least squares support vector machine,LSSVM)结合对随机时延进行预测,KPCA对输入随机时延序列降维,消除重复性与噪声,减少LSSVM的运算量,降维后的时延序列通过LSSVM算法预测时延值。仿真结果表明,基于KPCA与LSSVM的时延预测方法的预测精度高于其他的预测方法。