基于MultiBoost的集成SVM網(wǎng)絡(luò)故障診斷.pdf

1、中圖分類號：UDC：TP391620密級：學(xué)校代碼：訝業(yè)￡i；予為尤學(xué)碩士學(xué)位論文(學(xué)歷碩士)公開10094基于MultiBoost的集成SVM網(wǎng)絡(luò)故障診斷TheIntegratedSVMNetworkFaultDiagnosisBasedonMultiBoost研究生姓名：指導(dǎo)教師：學(xué)科專業(yè)：研究方向：論文開題日期：李翔呂鋒教授無線電物理通信系統(tǒng)與網(wǎng)絡(luò)2013年3月10日摘要基于數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)故障診斷其實(shí)質(zhì)為一種模式識別問題，系統(tǒng)中分

2、類機(jī)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(jī)(SupportVectorMachineSVM)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(jìn)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(shí)，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(盯)。通常，參數(shù)(C，盯)的選取對分類機(jī)的性能影響較大。以往參數(shù)(C，盯)的設(shè)定主要依據(jù)經(jīng)驗(yàn)給定或?qū)嶒?yàn)窮舉，但此法帶有一定

3、的不確定性和隨機(jī)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(biāo)準(zhǔn)遺傳算法改進(jìn)為一種荷爾蒙調(diào)節(jié)的自適應(yīng)遺傳算法(HormoneModulationGeneticAlgorithmHMGA)，以得到最優(yōu)參數(shù)(C，仃)。集成學(xué)習(xí)(EnsembleLearning)方法，可將多個(gè)SVM分類機(jī)進(jìn)行集成，利用組合決策分類來提高分類的準(zhǔn)確率。多重提升(MultiBoostMB)算法將經(jīng)典算法自適應(yīng)提升(AdaptiveBoostAB)與袋

4、裝(Bagging)算法進(jìn)行統(tǒng)一構(gòu)造，分別利用AB具有較強(qiáng)減小偏差(Bias)的能力和Bagging較強(qiáng)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(jī)的分類準(zhǔn)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(jī)方法一一ⅫSvM(MultiBoostHormoneModulationGeneticAlgorithmSVM一瑚SVM)。將經(jīng)過HMGA參數(shù)優(yōu)化后的SVM分類機(jī)作為基分類機(jī)(BasedLearne