模拟电路故障的一种聚类二叉树支持向量机诊断新方法

针对模拟电路故障特征样本的分类(诊断)问题,提出了一种基于聚类二叉树支持向量机(SVMs)多分类器的故障诊断新方法,并分析了几种分类器的平均测试复杂度。首先,利用自组织特征映射神经网络(SOFM)对训练样本进行层次聚类,得到一棵聚类二叉树;其次,按照树的结构利用二元SVMs设计故障分类器,并对样本进行分组训练和测试。实际仿真和测试表明,所设计的故障分类器性能在诊断精度和效率上皆优于传统的"1-v-r"SVMs和"1-v-1"SVMs分类器,较为适合模拟电子电路的故障分类和诊断。