摘要
基于核理论的SVM中,RBF核函数应用最广,是一个普适的核函数,但其参数的选择却没有固定方法。鉴于此,本文首先分析了现有核函数参数优选算法的不足;然后在SVM网络结构分类原理的基础上提出了基于数据最大方差-关联度准则的核参数选择算法,并结合粒子群算法建立了RBF核参数的自动优选流程。将其用于模拟电路故障诊断实验,证明了所提方法具有参数选择准确、简单快速等优点,优选得到的核参数提高了故障诊断率。
Radial basis function （RBF） is a universal kernel function and widely used in support vector machine （SVM） based on kernel theory.So,firstly the shortage of the existing algorithm is analyzed.Then a new algorithm for parameter selection based on data maximum variance-joint criterion is proposed based on the SVM network structure classification principle.And then combining with particle swarm optimization （PSO）,an automatic parameter selection algorithm for RBF is constituted.The experiment results on fault diagnosis of analog circuit show that the proposed algorithm has the advantages of accuracy and simplicity and improves the diagnostic accuracy.
出处
《电子测量与仪器学报》
CSCD
2014年第3期240-246,共7页
Journal of Electronic Measurement and Instrumentation
基金
国家自然科学基金(61203168)资助项目
关键词
支持向量机
参数选择
粒子群算法
模拟电路
故障诊断
support vector machine
parameter selection
particle swarm optimization
analog circuit
fault diagnosis
作者简介
周绍磊,1963年出生,毕业于海军航空工程学院,现任海军航空工程学院教授,博士生导师.目前主要研究方向为飞行器智能检测与故障诊断,协同控制等.E-mail：zhouslsd@sina.com｜廖剑,1985年出生,毕业于海军航空工程学院,现为海军航空工程学院博士研究生.目前主要研究方向为电路设计、测试与故障诊断.E-mail：251250544@qq.com
