粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用

李文元; 闫海华; 姚宏杰

Chinese

您当前的位置：

首页 >

文章列表页 >

粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用

更新时间：2026-09-04

- 粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用
- Application of LS-SVM Based on PSO to Fault Prediction of Communication Equipment
- 微电子学与计算机 2013年30卷第2期页码：99-102
- 作者机构：
  
  1. 1 西安通信学院,陕西,西安,710106
  2. 2 解放军 75706部队,广东,广州,510500
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2013
- 稿件说明：
移动端阅览
李文元, 闫海华, 姚宏杰. 粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用[J]. 微电子学与计算机, 2013, 30(2): 99-102.

LI Wen-yuan, YAN Hai-hua, YAO Hong-jie. Application of LS-SVM Based on PSO to Fault Prediction of Communication Equipment[J]. 2013, 30(2): 99-102.
李文元, 闫海华, 姚宏杰. 粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用[J]. 微电子学与计算机, 2013, 30(2): 99-102. DOI：

LI Wen-yuan, YAN Hai-hua, YAO Hong-jie. Application of LS-SVM Based on PSO to Fault Prediction of Communication Equipment[J]. 2013, 30(2): 99-102. DOI：

摘要

提出了一种通信装备故障预测的智能算法.该方法将粒子群算法(PSO)和最小二乘支持向量机(LS-SVM)算法相结合

采用PSO算法优化LS-SVM的参数

克服了人为参数选择的盲目性

在全局优化与收敛速度方面具有较大优势.仿真实验表明

相比BP神经网络、未经优化的支持向量机(SVM)和LS-SVM模型

经PSO算法优化后的LS-SVM有更高的预测精度和运算速度

具有较好的有效性和可行性.

Abstract

An intelligent algorithm for fault prediction of communication equipment is proposed

in which particle swarm optimization algorithm and least square support vector machine is combined and the particle swarm optimization algorithm is adopted to optimize the parameters of least square support vector machine.The method overcomes the humans blindness on parameters selection and has more superior performance on global optimization and convergence speed.The simulation results show that LS-SVM optimized by PSO has better prediction accuracy and better computing speed

compared with the method based on BP neural network and support vector machine and LS-SVM.The effectiveness and feasibility of the method is better.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

EEMD多尺度熵和LSSVM在模拟电路故障诊断中的应用

一种基于特征上下文理解与切片分析的肺结核检测算法

V型沟槽SiC中子探测器的蒙特卡洛分析

注意力机制与改进密集卷积引导的信息隐藏模型

面向处理器分支预测单元的Spectre攻击轻量化防御方法