格式:pdf
大?。?span class="single-tag-height">2.9MB
頁數(shù): 4頁
支持向量機(SVM)是-種解決小樣本分類問題的最佳理論算法,它的核函數(shù)的參數(shù)選擇非常重要,直接影響著故障診斷的準確率.本文將粒子群算法(PSO)用于支持向量機的參數(shù)優(yōu)化,提出基于粒子群支持向量機的故障診斷模型,并將其運用于軌道電路中.通過對比MATLAB仿真結(jié)果得出:經(jīng)過粒子群尋優(yōu)得到的參數(shù)比隨機選取的參數(shù)更優(yōu),所建立的PSO-SVM模型的故障診斷準確率高于普通的SVM模型.