10.13433/j.cnki.1003-8728.20180157
粒子群优化的流形SVM模拟电路故障诊断
支持向量机(SVM)一直被广泛应用于分类判别领域,在模拟电路的故障诊断中,电路普遍复杂多样,传统支持向量机只考虑数据类间距离最大化.本文中提出的粒子群优化的流形支持向量机,在保证数据最大类间间隔的同时,使映射在特征空间的数据,能保持原始空间的流形结构.同时将粒子群算法与SVM相结合,对支持向量机中的权重参数优化,使得对故障的诊断率比传统方法提高了2% ~6%.通过实验发现,本文方法有效增强了模拟电路故障诊断的精确度.
粒子群算法、支持向量机、流形结构、故障诊断
38
TP181(自动化基础理论)
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
260-264