發(fā)布時間：2019-09-28 02:26

【摘要】：基于數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)故障診斷其實質(zhì)為一種模式識別問題，系統(tǒng)中分類機的構(gòu)造在網(wǎng)絡(luò)故障診斷問題中至關(guān)重要。支撐向量機（Support Vector Machine-SVM）以其出色的非線性分類能力及良好的泛化性能在分類問題中取得了良好的分類效果。鑒于此，SVM及其改進算法在網(wǎng)絡(luò)故障診斷中得到了較為廣泛的應(yīng)用。 SVM算法使用時，需要設(shè)定由軟間隔分類所需的規(guī)則化參數(shù)C和高斯核函數(shù)的高斯寬度（σ）。通常，參數(shù)（C, σ）的選取對分類機的性能影響較大。以往參數(shù)（C, σ）的設(shè)定主要依據(jù)經(jīng)驗給定或?qū)嶒灨F舉，但此法帶有一定的不確定性和隨機性。本文將優(yōu)化理論中的遺傳算法應(yīng)用于SVM的參數(shù)尋優(yōu)，將標準遺傳算法改進為一種荷爾蒙調(diào)節(jié)的自適應(yīng)遺傳算法（Hormone Modulation Genetic Algorithm-HMGA），以得到最優(yōu)參數(shù)（C, σ）。 集成學(xué)習(xí)（Ensemble Learning）方法，可將多個SVM分類機進行集成，利用組合決策分類來提高分類的準確率。多重提升（MultiBoost-MB）算法將經(jīng)典算法自適應(yīng)提升（Adaptive Boost-AB）與袋裝（Bagging）算法進行統(tǒng)一構(gòu)造，分別利用AB具有較強減小偏差（Bias）的能力和Bagging較強減小方差的能力降低分類誤差。 為提高網(wǎng)絡(luò)故障診斷系統(tǒng)中分類機的分類準確率、減小分類誤差，本文提出了一種基于多重提升的荷爾蒙調(diào)節(jié)遺傳支撐向量機方法——MHSVM（MultiBoost HormoneModulation Genetic Algorithm SVM—MHSVM）。將經(jīng)過HMGA參數(shù)優(yōu)化后的SVM分類機作為基分類機（Based Learner），，再利用MB算法組合多個基分類機進行共同決策的方法來提高分類機的準確率。最后，經(jīng)實驗驗證了該方法的可行性與在分類準確率方面的性能優(yōu)勢。
【學(xué)位授予單位】：河北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.06

【參考文獻】

相關(guān)期刊論文 前10條

1 戴忠健,蘇利敏;基于遺傳算法的網(wǎng)絡(luò)故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn)[J];北京理工大學(xué)學(xué)報;2005年01期

2 葛艷;王薇;閆傳軍;吳鵬;任志考;;基于模糊神經(jīng)網(wǎng)絡(luò)的CDMA網(wǎng)絡(luò)故障診斷方法[J];北京郵電大學(xué)學(xué)報;2007年01期

3 喬焰;孟洛明;成璐;吳利;袁翊國;;動態(tài)網(wǎng)絡(luò)中的高效多故障診斷技術(shù)[J];北京郵電大學(xué)學(xué)報;2009年06期

4 陳敏;李興明;彭向梅;;網(wǎng)絡(luò)故障診斷專家系統(tǒng)中知識庫的設(shè)計[J];電子科技大學(xué)學(xué)報;2005年S1期

5 譚琳,胡谷雨,胥光輝,潘志松;基于貝葉斯網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)端到端服務(wù)故障診斷[J];海軍工程大學(xué)學(xué)報;2005年05期

6 艾紅;周東華;;動態(tài)系統(tǒng)的故障預(yù)測方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

7 王奉濤,馬孝江,鄒巖琨;智能故障診斷技術(shù)綜述[J];機床與液壓;2003年04期

8 李千目,戚ng,張宏,劉鳳玉;基于粗糙集神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)故障診斷新方法[J];計算機研究與發(fā)展;2004年10期

9 李千目;許滿武;楊云;張宏;劉鳳玉;;一種新的網(wǎng)絡(luò)故障診斷方法——FTFD[J];計算機研究與發(fā)展;2005年11期

10 李千目;劉鳳玉;;戰(zhàn)略互聯(lián)網(wǎng)風險檢測與故障分析方法[J];計算機研究與發(fā)展;2008年10期

本文編號：2543043