基于改进LSSVM的短波收信天线智能诊断研究
向奕雪
陈斌
罗勇
1.海军工程大学 武汉 4300332.海军工程大学 武汉 4300333.海军工程大学 武汉 430033
摘要：长期以来短波收信天线系统一直缺少智能化的自动监测技术与手段,难以对设备的收信效果实时评估和预警.为了减轻基层通信保障人员的负担,同时为短波收信天线的健康状态分析与评估、设备的维修保障提供切实可靠的数据支持与技术支撑.论文建立基于果蝇优化算法的最小二乘支持向量机(LSSVM)分类器,实现了短波收信天线的智能诊断.并针对最小二乘支持向量机的稀疏化问题,从代表性样本与边界样本两个方面综合分析,提出了一种基于KFCM聚类的LSSVM训练样本预选取算法.UCI数据集的实验结果表明:该样本预选取算法充分利用了KFCM聚类的优点,有效地提取了启发信息更为丰富的样本并去除训练集中的冗余信息,获得了更优性能的分类器.
关键词：智能诊断核模糊C均值聚类最小二乘支持向量机果蝇优化算法
分类号：TP391(计算技术、计算机技术)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1331-1337 )
英文信息