基于改进粒子群算法的核函数参数优化

摘要：

针对核主元分析(Kernel Principal Component Analysis,KPCA)的性能极大地受到本身核函数参数影响问题,提出一种新型的聚类KPCA-FDA-IPSO核参数优化方法.该方法结合KPCA特征分析的相关方法,综合考虑样本的类内离散度和类间距离,并通过Fisher 判别分析(Fisher Discriminant Analysis,FDA)建立的数学模型,再将传统粒子群优化算法(Particle Swarm Optimization,PSO)改进为具有继承机制的粒子群优化算法(Inheritance PSO,(IPSO),并对核函数寻优.通过数据集仿真和应用研究,验证了该方法能有效地优化核函数参数并提高了KPCA的故障诊断性能.

关键词：核主元分析法、Fisher判别分析、粒子群优化、核参数优化

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

资助基金：广东省自然科学基金2017A030313364

在线出版日期：2019-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：855-865