基于粒子群算法和支持向量机的故障诊断研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法，具有出色的学习分类能力和推广能力，广泛地应用于模式识别和函数拟合中；支持向量机中核函数的参数选择非常重要，它决定着故障诊断的精确度；为了提高电气设备故障诊断的精度和效率，将粒子群优化算法和最小二乘支持向量机相结合，提出了一种基于粒子群支持向量机的故障诊断方法，能够实现对核函数的。参数进行快速动态选取，提高故障诊断的准确率和效率；实验表髓，该方法能够有效地找出合适的核参数，并能取得较好的分类效果。

原文链接:http://www.cqvip.com//QK/97801A/200811/28888701.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：粒子群算法 支持向量机 故障诊断 粒子群 向量机 最小二乘支持向量机 粒子群算法 故障诊断 全局最优