基于支持向量机集成的圆极化微带天线设计

摘要：

人工神经网络(Artificial Neural Network,ANN)设计圆极化微带天线(Circularly-polarized Microstrip Antenna,CPMSA)时需要进行大量数据样本的准备,网络结构一般都比较复杂.为了解决这个问题,利用支持向量机(Support Vector Machine,SVM)在解决小样本数据处理问题时具有拟合精度高、泛化能力强、结构简单等优点,结合二进制粒子群(Binary Particle Swarm Optimization,BiPSO)算法选择出合适的SVM个体参与集成,形成一种基于BiPSO算法的选择性SVM集成(SVM Ensemble,SVME)方法,并将该方法用于单馈切角方形CPMSA的综合设计.仿真结果表明:这种SVME方法提高了算法的鲁棒性和有效性,有更好的预测精度,通过与ANN、SVM以及现有文献的预测结果对比可以看出,由该模型得出的结果优于此问题的已有结论.

关键词：圆极化、微带天线、切角、粒子群优化、支持向量机集成

所属期刊栏目：30

分类号：TN820(无线电设备、电信设备)

资助基金：国家自然科学基金61401179

在线出版日期：2016-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1086-1092