基于高斯核显性映射的核归一化解相关仿射投影P范数算法

发布时间：2022-02-24 06:00

　　为了降低核仿射投影P范数（KAPP）算法的计算量和存储容量,提高在输入信号强相关时KAPP算法的收敛速度和稳态性能,该文提出基于高斯核显性映射的核归一化解相关APP（KNDAPP-GKEM）算法。该算法利用归一化解相关方法预先解除输入信号的相关性;利用高斯核显式映射方法近似得到显式核函数,消除了对历史数据的依赖,解决了KAPP算法因结构不断生长导致的计算量和存储容量过大的问题。α稳定分布噪声背景下的非线性系统辨识仿真结果表明,在输入信号强相关时KNDAPP-GKEM算法收敛速度快,非线性系统辨识稳态均方误差小,训练所需时间呈线性缓慢增长,有利于实际非线性系统辨识的应用。 

【文章来源】：电子与信息学报. 2020,42(08)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

不同噪声强度下KNDAPP-GKEM算法性能

α稳定分布噪声背景下3种算法性能比较

由图4可知，在α稳定分布噪声背景下，DAP算法的测试MSE曲线波动剧烈，性能最差。KNDAPP-GKEM算法的收敛速度较KAPP算法快，且稳态测试MSE值更小。在强相关输入下，KNDAPP-GKEM算法的性能优势更为显著。这是因为KND-APP-GKEM算法始终保持输入矩阵相互独立，且提出的高斯核显式映射方法能够很好地近似出高斯核。图2 维度D对KNDAPP-GKEM算法性能影响

【参考文献】：
期刊论文
[1]一种基于多尺度核学习的仿射投影滤波算法[J]. 李群生,赵剡,寇磊,王进达.  电子与信息学报. 2020(04)
[2]基于q梯度的仿射投影算法及其稳态均方收敛分析[J]. 王世元,史春芬,蒋云翔,王文月,钱国兵.  电子与信息学报. 2018(10)
[3]解相关变阶仿射投影窄带干扰抑制算法[J]. 王兰,杨育红,李良山.  信息工程大学学报. 2016(03)
[4]基于近似高斯核显式描述的大规模SVM求解[J]. 刘勇,江沙里,廖士中.  计算机研究与发展. 2014(10)

硕士论文
[1]基于随机特征的多核分布式协同模糊聚类算法研究[D]. 王迎旭.济南大学 2019
[2]核自适应滤波算法研究[D]. 金明明.杭州电子科技大学 2017



本文编号：3642122