基于改进粒子群算法的核函数参数优化

• 作者: 刘军 姚美银 张绪红 肖应旺 陈贞丰
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 核主元分析法 Fisher判别分析 粒子群优化 核参数优化
• 年，卷（期）: 2018,（10）
• 页码范围: 855-865
• 页数: 11页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16866/j.com.app.chem201810008

摘要

针对核主元分析(Kernel Principal Component Analysis,KPCA)的性能极大地受到本身核函数参数影响问题,提出一种新型的聚类KPCA-FDA-IPSO核参数优化方法.该方法结合KPCA特征分析的相关方法,综合考虑样本的类内离散度和类间距离,并通过Fisher 判别分析(Fisher Discriminant Analysis,FDA)建立的数学模型,再将传统粒子群优化算法(Particle Swarm Optimization,PSO)改进为具有继承机制的粒子群优化算法(Inheritance PSO,(IPSO),并对核函数寻优.通过数据集仿真和应用研究,验证了该方法能有效地优化核函数参数并提高了KPCA的故障诊断性能.