粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用

被引：10

作者：

李文元 ^{[1
]}

闫海华 ^{[1
,2
]}

姚宏杰 ^{[1
]}

机构：

[1] 西安通信学院

[2] 解放军部队

来源：

微电子学与计算机 | 2013年 / 30卷 / 02期

关键词：

故障预测; 粒子群优化; 最小二乘支持向量机; 通信装备;

D O I：

10.19304/j.cnki.issn1000-7180.2013.02.025

中图分类号：

TN915.05 [通信网设备]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种通信装备故障预测的智能算法.该方法将粒子群算法(PSO)和最小二乘支持向量机(LS-SVM)算法相结合,采用PSO算法优化LS-SVM的参数,克服了人为参数选择的盲目性,在全局优化与收敛速度方面具有较大优势.仿真实验表明,相比BP神经网络、未经优化的支持向量机(SVM)和LS-SVM模型,经PSO算法优化后的LS-SVM有更高的预测精度和运算速度,具有较好的有效性和可行性.

引用

页码：99 / 102

页数：4

共 6 条

[1] 使用粒子群算法进行特征选择及对支持向量机参数的优化 [J].