论文部分内容阅读
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（kernelprincipalcompo—nentanalysis，KPCA）与最小二乘支持向量机（1eastsquaressupportvectormachine，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。