最小生成树SVM的模拟电路故障诊断方法

被引：8

作者：

宋国明 ^{[1
,2
]}

王厚军 ^{[1
]}

姜书艳 ^{[1
]}

刘红 ^{[1
,3
]}

机构：

[1] 电子科技大学自动化工程学院

[2] 成都电子机械高等专科学校计算机工程系

[3] 长春理工大学计算机学院

来源：

电子科技大学学报 | 2012年 / 03期

关键词：

故障诊断; 最小生成树; 可分性测度; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TN710 [电子电路];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080902 ;

摘要：

提出最小生成树的支持向量机模拟电路故障诊断方法,通过小波分解提取电路故障特征,在特征空间中以故障类的可分性测度为权值构造最小生成树,得到具有聚类属性的故障子类划分,从而优化故障决策树节点的分布。按照最小生成树的结构建立具有较大分类间隔的多分类支持向量机,能够有效地提高模拟电路故障诊断的正确率。该方法简化支持向量机的结构,在实例电路的故障诊断中获得更高的诊断精度和效率,其性能优于常用的支持向量机方法。

引用

页码：412 / 417

页数：6

共 4 条

[1] 基于自适应小波分解和SVM的模拟电路故障诊断 [J].

孙永奎 ;

陈光 ;

李辉 .

仪器仪表学报, 2008, (10) :2105-2109

[2] 基于最小生成树的并行分层聚类算法 [J].

李朝健 ;

李朝鹏 ;

李肯立 .

微电子学与计算机, 2008, (09) :196-198

[3] 基于细节层次与最小生成树的三维地形识别与检索 [J].

肖俊 ;

庄越挺 ;

吴飞 .

软件学报, 2003, (11) :1955-1963

[4]

Fault Diagnosis of Analog Circuits Using Bayesian Neural Networks with Wavelet Transform as Preprocessor[J] . Farzan Aminian,Mehran Aminian.Journal of Electronic Testing . 2001 (1)

← 1 →