基于分层聚类的支持向量机模拟电路故障诊断

被引：2

作者：

罗沛清

梁青阳

江钦龙

孙哲

机构：

[1] 空军航空大学

来源：

四川兵工学报 | 2011年 / 32卷 / 09期

关键词：

支持向量机; 多分类; 遗传粒子群算法;

D O I：

暂无

中图分类号：

TN710 [电子电路]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出分层聚类与支持向量机集成的算法,以多级二叉树结构的SVM实现故障的分级诊断。根据最大间隔距离原则,对各故障模式电路特征的逐次聚类二分获得二叉树,使每个节点的SVM具有最大分类间隔,减少了误差积累,从而优化了SVM的组合策略。聚类上利用遗传粒子群算法对样本进行聚类。经模拟电路仿真结果显示,该方法与一对一、一对多方法相比,在不影响分类精度下,减少测试时间,降低模型复杂度。

引用

页码：92 / 95

页数：4

共 12 条

[1]

容差模拟电路故障诊断屏蔽理论与信息融合方法研究.[D].彭敏放.湖南大学.2006, 01

[2]

粒子群优化算法.[M].李丽; 牛奔; 著.冶金工业出版社.2009,

[3]

统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,

[4]

Large margin DAGs for multiclass classification..Platt J C; Cristianini N; Shawe-Taylor J;.Advances in Neural Information Processing Systems.2000,