我正在尝试使用 Matlab 的识别工具箱来识别非线性植物。

特别是我想确定一个非线性arx模型，其中非线性通过树分区表示。

根据 Mathworks（http://it.mathworks.com/help/ident/ref/treepartition.html）：

TREEPARTITION是一个非线性函数 y = F(x)，其中 y 是标量，x 是 1×m 向量。F 是 x 的分段线性（仿射）函数：
F(x) = x*L+ [1,x]*C_a + d 当 x 属于 D_a 时，其中
L 是 1×m 向量，C_k 是 1 -by-(m+1) 向量，
并且 D_k 是 x 空间的分区。活动分区D_a 由二叉树确定为 半空间的交集，如下所示：首先初始化具有 N 个节点和 J 层的树。级别 J 的节点是终止叶，级别 j < J 的节点在级别 j+1 有两个后代。所有级别都是完整的，因此 N = 2^(J+1)-1。 节点上的 分区r 基于 [1,x]*B_r > 0 或 <= 0（向左或向右后代移动），其中选择 B_r 是为了提高后代节点分区上最小二乘计算的稳定性。然后在每个节点 r上，使用惩罚最小二乘算法计算 D_r 上未知回归函数的最佳线性逼近的系数 C_r。

[...]

当由树分区对象定义的映射 F 的值在 x 处计算时，自适应算法会在包含 x 的分区分支上选择树的活动节点 k。

在此描述中，不清楚用于识别当前活动节点的底层算法是什么。事实上，乍一看，我认为所有中间节点都是决策节点，而终止叶包含必须用于特定 PWA 表示的未知系数。

这种方法是不正确的，实际上正如引用中的粗体一样，每个节点都有自己的集合或参数，最适合 D_r 中的未知回归函数。

对此是否有更清晰的参考和/或解释？

谢谢