支持向量機(jī)原理|加工中心
4. 2支持向量機(jī)原理4. 2. 1支持向量機(jī)為了處理模式識(shí)別的問(wèn)題Vapnik提出了支持向量機(jī)的想法，通過(guò)的不斷研究和 探索，支持向量機(jī)知識(shí)理論取得了很大的進(jìn)展。支持向量機(jī)可以被用來(lái)尋找線性可分 情況下的最優(yōu)分類面。最優(yōu)分類面不僅要求能將兩類不同的數(shù)據(jù)正確地分類(訓(xùn)練失 敗率接近0)，而且還要盡可能的使它們的分類間距到達(dá)******。SVM是為了能夠?qū)ふ?到一個(gè)滿足分類要求的超平面而被研發(fā)出來(lái)的，并且它需要使訓(xùn)練集中的點(diǎn)距離這個(gè) 分類面達(dá)到的距離最遠(yuǎn)，也就是說(shuō)希望能夠?qū)ふ业揭粋€(gè)分類面使它雙側(cè)的空白地區(qū)盡 可能的大。過(guò)兩種不同類型的樣本，離分類面最近的，并且能夠平行于最優(yōu)分類面- 超平面Hu H2的訓(xùn)練樣本就稱為支持向量。 大多數(shù)條件下，需要訓(xùn)練的樣本是線性不可分的，為了處理這一問(wèn)題Vapnik等 人提出了廣義分類面（松弛子）的想法。針對(duì)非線性分類問(wèn)題利用非線性變換將其轉(zhuǎn) 化為某個(gè)高維空間中的線性問(wèn)題，然后在這個(gè)高維空間上尋找最優(yōu)分類面。映射空間 可以是有限維也可以是無(wú)限維的。分類函數(shù)涉及到的只是樣本之間的內(nèi)積運(yùn)算，因此 高維度空間只需要進(jìn)行內(nèi)積運(yùn)算即可，這種內(nèi)積運(yùn)算的運(yùn)算形式可通過(guò)原空間自定義 的函數(shù)來(lái)實(shí)現(xiàn)，甚至沒(méi)有必要知道其變換的形式。依據(jù)Hibert-Schmidt定理，任意函數(shù)只要能夠符合Mercer條件就可以作為計(jì)算內(nèi) 積的函數(shù)使用。它能夠?qū)崿F(xiàn)非線性分類轉(zhuǎn)變?yōu)榫€性分類，而計(jì)算難度卻是一樣的。通俗易懂的說(shuō)支持向量機(jī)就是通過(guò)內(nèi)積核函數(shù)將輸入樣本從低維空間映射到一 個(gè)高維空間，然后在這個(gè)高維空間上尋找最優(yōu)分類面。支持向量機(jī)的形式和神經(jīng)網(wǎng)絡(luò) 非常類似[3&37]。其示意圖如4.3。4.2. 2核函數(shù)內(nèi)積核函數(shù)種類很多，不同的核函數(shù)有著不同的應(yīng)用場(chǎng)合和運(yùn)算形式。4. 2. 4支持向量機(jī)逆系統(tǒng) 龍門(mén)精工加工中心雙電磁懸浮具有較強(qiáng)的耦合性，為了達(dá)到對(duì)其解耦本文采用逆 系統(tǒng)解耦控制方法。但是由于電磁懸浮系統(tǒng)是非線性系統(tǒng)因此其逆系統(tǒng)是不易通過(guò)計(jì) 算推導(dǎo)出來(lái)的。為了解決這一問(wèn)題利用支持向量機(jī)非線性回歸任意逼近函數(shù)的功能來(lái) 擬合雙電磁懸浮系統(tǒng)的逆系統(tǒng)[43_45]。支持向量機(jī)擬合耦合雙電磁懸浮系統(tǒng)a階逆系 統(tǒng)流程圖如圖4.4所示。 將擬合出來(lái)的逆系統(tǒng)串聯(lián)在被控系統(tǒng)前將非線性耦合系統(tǒng)解耦并且轉(zhuǎn)化為具有 線性特征的偽線性系統(tǒng)，從而降低了解耦后獨(dú)立系統(tǒng)的控制難度。本文采摘自“精工加工中心龍門(mén)磁懸浮系統(tǒng)耦合分析及控制研究”，因?yàn)榫庉嬂щy導(dǎo)致有些函數(shù)、表格、圖片、內(nèi)容無(wú)法顯示，有需要者可以在網(wǎng)絡(luò)中查找相關(guān)文章！本文由海天精工整理發(fā)表文章均來(lái)自網(wǎng)絡(luò)僅供學(xué)習(xí)參考，轉(zhuǎn)載請(qǐng)注明！