基于无偏LS-SVM的混沌系统的混合同步控制

赵垚鑫; 张国山

doi:10.13873/J.1000-9787(2017)11-0115-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于无偏LS-SVM的混沌系统的混合同步控制

设计与制造 | 更新时间：2025-09-11

- 基于无偏LS-SVM的混沌系统的混合同步控制
- Hybrid synchronization control of chaotic systems based on unbiased LS-SVM
- 传感器与微系统 2017年36卷第11期页码：115-118+130
- 作者机构：
  
  天津大学电气与自动化工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61473202）
- DOI：10.13873/J.1000-9787(2017)11-0115-04
  中图分类号： O231;O415.5
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]赵垚鑫,张国山.基于无偏LS-SVM的混沌系统的混合同步控制[J].传感器与微系统,2017,36(11):115-118+130.

ZHAO Yao-xin, ZHANG Guo-shan. Hybrid synchronization control of chaotic systems based on unbiased LS-SVM[J]. 2017, 36(11): 115-118+130.
[1]赵垚鑫,张国山.基于无偏LS-SVM的混沌系统的混合同步控制[J].传感器与微系统,2017,36(11):115-118+130. DOI： 10.13873/J.1000-9787(2017)11-0115-04.

ZHAO Yao-xin, ZHANG Guo-shan. Hybrid synchronization control of chaotic systems based on unbiased LS-SVM[J]. 2017, 36(11): 115-118+130. DOI： 10.13873/J.1000-9787(2017)11-0115-04.

摘要

为实现超混沌系统与混沌系统的混合同步控制

通过对主系统采样

获得训练样本数集

设计了从系统混合同步轨线的形式;采用无偏最小二乘支持向量机（LS-SVM）的方法

引入核函数

获得优化目标

根据优化目标

求出混合同步轨线

设计了控制器。以超混沌Lorenz-Stenflo系统为主系统

Chen混沌系统为从系统为例

基于Matlab进行数值仿真

验证了方法的有效性。

Abstract

To realize hybrid synchronization control of hyper chaotic system and chaotic system

training sample number is obtained by sampling master system

and the hybrid synchronous trajectory of the slave system is set up. By using a method based on least square support vector machine（ LS-SVM）

and introducing the kernel function

the optimization target can be obtained

and according to optimization target

hybrid synchronous trajectory is gotten

and the controller is designed. Taking the hyper chaotic Lorenz-Stenflo system as master system

and Chen chaotic system as slave system

numerical simulations based on Matlab is carried out and verify efficiency of the method.

关键词

Keywords

references

基于混沌猴群算法的传感器优化布置 [J]. 彭珍瑞,赵宇,殷红,彭宝瑞. 传感器与微系统 . 2014(10)

基于帐篷混沌观测矩阵的图像压缩感知 [J]. 刘叙含,申晓红,姚海洋,邓欣. 传感器与微系统 . 2014(09)

基于超混沌系统的彩色图像加密新算法 [J]. 柴秀丽,李伟,史春晓,赵鑫. 传感器与微系统 . 2013(08)

一种基于Cholesky分解的动态无偏LS-SVM学习算法 [J]. 蔡艳宁,胡昌华. 控制与决策 . 2008(12)

Adaptive synchronization between different hyperchaotic systems with fully uncertain parameters [J] . Jian Huang. Physics Letters A . 2008 (27)

Fast cross-validation algorithms for least squares support vector machine and kernel ridge regression [J] . Senjian An,Wanquan Liu,Svetha Venkatesh. Pattern Recognition . 2007 (8)

Support Vector Regression for the simultaneous learning of a multivariate function and its derivatives [J] . Marcelino Lázaro,Ignacio Santamaría,Fernando Pérez-Cruz,Antonio Artés-Rodríguez. Neurocomputing . 2005 (1)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于混沌和DNA随机编码的彩色图像加密算法

基于相似日与EPSO LS-SVM的光伏发电功率预测

帐篷混沌序列稀疏测量矩阵构造

基于小波分析和PSO-LSSVM的无线传感器网络数据预测

小波分解和最小二乘支持向量机的风机齿轮箱故障诊断