本文關(guān)鍵詞： 支持向量機(jī) 改進(jìn)粒子群算法 模擬電路 故障診斷　出處：《電子測量與儀器學(xué)報(bào)》2017年08期 　論文類型：期刊論文

【摘要】：針對粒子群(PSO)算法優(yōu)化支持向量機(jī)(SVM)參數(shù)存在容易陷入局部最優(yōu)的問題,通過引入新的動態(tài)慣性權(quán)重、全局鄰域搜索、收縮因子和遺傳算法中的變異操作,提出了一種基于改進(jìn)粒子群(IPSO)算法優(yōu)化SVM參數(shù)(IPSO-SVM)的改進(jìn)型分類器。采用UCI機(jī)器學(xué)習(xí)庫中的公共數(shù)據(jù)集Iris、Wine和seeds來測試其分類效果,結(jié)果表明IPSO-SVM分類器在分類準(zhǔn)確率和分類時間上優(yōu)于GS-SVM、AFSA-SVM、GA-SVM和PSO-SVM分類器。最后,將IPSO-SVM分類器應(yīng)用于Sallen-Key帶通濾波器、四運(yùn)放雙二次高通濾波器及非線性整流電路的故障診斷中,結(jié)果表明IPSO-SVM分類器具有較強(qiáng)的全局收斂能力和較快的收斂速度。
[Abstract]:In order to solve the problem that the parameters of support vector machine (SVM) optimization based on particle swarm optimization (PSO) algorithm are easy to fall into local optimum, new dynamic inertia weight, global neighborhood search, shrinkage factor and mutation operation in genetic algorithm are introduced. An improved classifier based on improved particle swarm optimization (PSO) algorithm is proposed to optimize the SVM parameters (IPSO-SVM). Iris Wine and seeds, a common data set in the UCI machine learning database, are used to test the classification effect. The results show that IPSO-SVM classifier is superior to GS-SVMU AFSA-SVMU GA-SVM and PSO-SVM classifier in classification accuracy and classification time. Finally, the IPSO-SVM classifier is applied to the fault diagnosis of Sallen-Key bandpass filter, four-op amplifier double-quadratic high-pass filter and nonlinear rectifier circuit. The results show that the IPSO-SVM classifier has strong global convergence ability and faster convergence speed.
【作者單位】： 合肥工業(yè)大學(xué)電氣與自動化工程學(xué)院;
【基金】：國家自然科學(xué)基金(51577046,11105037);國家自然科學(xué)基金重點(diǎn)項(xiàng)目(51637004) 安徽省科技計(jì)劃重點(diǎn)項(xiàng)目(1301022036) 國際熱核聚變實(shí)驗(yàn)堆(ITER)計(jì)劃專項(xiàng)(2015GB102000) 教育部科學(xué)技術(shù)研究重大項(xiàng)目(313018)資助
【分類號】：TN710;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許春曉,孫德寶,李寧,鄒彤;一種基于粒子群算法的紅外運(yùn)動小目標(biāo)檢測算法[J];紅外技術(shù);2004年05期

2 童紅蘭;葉寶江;;自適應(yīng)粒子群算法在微波電路中應(yīng)用[J];中國科技信息;2012年07期

3 何怡剛;祝文姬;周炎濤;劉美容;;基于粒子群算法的模擬電路故障診斷方法[J];電工技術(shù)學(xué)報(bào);2010年06期

4 馬天才;陳淑靜;;基于修補(bǔ)粒子群算法的紅外目標(biāo)跟蹤[J];應(yīng)用光學(xué);2010年05期

5 秋小強(qiáng);楊海鋼;周發(fā)標(biāo);謝元祿;;長互連鏈延時功耗建模與基于混合粒子群算法的優(yōu)化[J];電子與信息學(xué)報(bào);2011年06期

6 李厚儒;南敬昌;;擬牛頓粒子群算法在非線性電路諧波平衡方程中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2013年02期

7 陳日林;周昌國;滕鵬曉;楊亦春;;改進(jìn)粒子群算法的立體傳聲器陣列聲成像系統(tǒng)陣形優(yōu)化設(shè)計(jì)[J];聲學(xué)學(xué)報(bào);2013年05期

8 石振剛;高立群;王曉燕;劉洋;;基于粒子群算法的模糊濾波器優(yōu)化方法[J];沈陽理工大學(xué)學(xué)報(bào);2007年01期

9 王濤;俞承芳;;一種改進(jìn)的粒子群算法在PCB板元件檢測中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2007年12期

10 楊春玲;王(目柬)來;朱敏;;采用改進(jìn)的粒子群算法訓(xùn)練CNNE模型[J];智能系統(tǒng)學(xué)報(bào);2007年03期

相關(guān)會議論文 前1條

1 黃玉玲;許川佩;陳于倩;顏曉鳳;;改進(jìn)粒子群算法的NoC映射研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 蔣榮華;基于粒子群算法的電子系統(tǒng)可測性研究[D];電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 葉秋菊;粒子群算法研究及在NoC低功耗映射中的應(yīng)用[D];西安電子科技大學(xué);2014年

2 胡鑫楠;基于粒子群算法的非遞歸數(shù)字濾波器設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2016年

3 仲帥;基于改進(jìn)粒子群算法的數(shù)字濾波器設(shè)計(jì)及應(yīng)用[D];吉林大學(xué);2016年

4 劉洋;基于粒子群算法的NoC映射問題研究[D];大連理工大學(xué);2010年

5 曹穎;基于粒子群算法的模擬電路故障診斷[D];長春理工大學(xué);2014年

6 劉奇;基于混合粒子群算法的ZnO鍍膜光纖傳感器的參數(shù)優(yōu)化[D];南昌航空大學(xué);2010年

，

本文編號：1507948