永磁球形电机的支持向量机模型的参数寻优

被引：25

作者：

鞠鲁峰 ^{[1
]}

王群京 ^{[2
]}

李国丽 ^{[2
]}

胡存刚 ^{[1
]}

钱喆 ^{[2
]}

机构：

[1] 合肥工业大学电气与自动化工程学院

[2] 安徽大学电气工程与自动化学院

来源：

电工技术学报 | 2014年 / 29卷 / 01期

关键词：

永磁球形电机; 支持向量机; 回归; 网格参数寻优算法; 遗传算法; 粒子群寻; 优算法;

D O I：

10.19595/j.cnki.1000-6753.tces.2014.01.012

中图分类号：

TM351 [永磁电机];

学科分类号：

080801 ;

摘要：

提出一种新的永磁球形电机的数学模型建立方法——支持向量机(SVM)模型,分别采用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较三种算法得到的参数,确定最适合永磁球形电机SVM回归模型的参数寻优算法。

引用

页码：85 / 90

页数：6

共 9 条

[1]

支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,

[2] 基于改进遗传算法的支持向量机参数优化 [J].

刘东平 ;

单甘霖 ;

张岐龙 ;

段修生 .

微计算机应用, 2010, 31 (05) :11-15

[3] 基于PSO优化的SVM预测应用研究 [J].

任洪娥 ;

霍满冬 .

计算机应用研究, 2009, 26 (03) :867-869

[4] 基于网格模式搜索的支持向量机模型选择 [J].

李兵 ;

姚全珠 ;

罗作民 ;

田元 ;

王伟 .

计算机工程与应用, 2008, (15) :136-138

[5] 改进的基本粒子群优化算法 [J].

王存睿 ;

段晓东 ;

刘向东 ;

周福才 .

计算机工程, 2004, (21) :35-37

[6] 参数设计思想与方法的研究 [J].

茆诗松 ;

王金玉 ;

周纪芗 .

应用概率统计, 1993, (04) :438-448

[7] Choosing multiple parameters for support vector machines [J].

Chapelle, O ;

Vapnik, V ;

Bousquet, O ;

Mukherjee, S .

MACHINE LEARNING, 2002, 46 (1-3) :131-159

[8] MEASURING THE VC-DIMENSION OF A LEARNING-MACHINE [J].

VAPNIK, V ;

LEVIN, E ;

LECUN, Y .

NEURAL COMPUTATION, 1994, 6 (05) :851-876

[9]

仿人机器人关节用永磁球形步进电动机的基础研究.[D].李争.合肥工业大学.2007, 04

← 1 →