北京生物医学工程

自回归模型和基于数据处理分组法的非线性模型的比较研究 _

The Comparison Research of AR Model And Non-linear Model Based on GMDH

作者：廖旺才; 杨福生; 胡广书;

单位：清华大学电机系;

关键词：数据处理的分组方法; 自回归模型; 自适应; 人工神经网络; 反向传播算法;

分类号：

出版年·卷·期（页码）：1994·1·3（129-139）

摘要：

为信号建立非线性模型，既是非线性动力学（例如混沌理论）研究中关心的课题，也是信号处理及系统辨识的核心课题之一。由于实际生物系统总是有非线性的，因此建立非线性模型比线性模型更具普遍意义。数据处理的群集算法（ＧｒｏｕｐＭｅｔｈｏｄｏｆＤａｔａＨａｎｄｌｉｎｇ，ＧＭＤＨ）是根据给定数据建立非线性模型的有效方法。作者吸收人工神经网络中反传算法的思想，把ＧＭＤＨ算法进一步发展成自适应算法，使之可以随着数据的不断输入自动调整参数，以跟随数据统计特性的变化。作者还以心电数据为例进行了处理，结果证明其性能确实比线性的ＡＲ模型更优。

The construction of non-linear models of signals is not only concerned tasks in non-linear dynamical(eg. chaotic theory)research ,but also one of the major tasks in signal processing and system identification. As there is always some non-linearity in real biological systems,the non-linear models are even of more importance than linear ones.The GMDH(Group Method of Data Handling)algorithm is an efficient method to construct the non-linear model with given data. But the method is used mainly for block data pr...

参考文献：

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录