集成散度的MKL模型在模拟电路诊断中的应用

• 作者: 张伟 许爱强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 故障诊断 多核学习 散度矩阵 超限学习机 自适应正则化
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 热点与综述
• 页码范围: 5-12,115
• 页数: 9页
• 分类号: TP181|V243
• 字数: 7398字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0425

摘要

为提升模拟电路故障诊断精度,结合基于故障特征间一维模糊度的特征选择算法,提出一种新的多核超限学习机诊断模型.该模型通过设置虚拟的基核,将正则化参数融入基核权重求解过程中;同时,通过将特征空间类内散度集成到多核优化目标函数中,在最小化训练误差的同时,使得同一模式的故障样本更加集中,有效提升了故障模式间的辨识力.通过两个模拟电路诊断实例表明:相比于单核学习算法,所提方法可以显著提升诊断精度,并且可以将难以辨识的故障样本更加准确地隔离到相应模糊组中;相比于一般的多核学习算法,所提方法在取得相似诊断精度的同时,时间花费更少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许爱强	海军航空大学航空作战勤务学院	127	683	12.0	21.0
2	张伟	海军航空大学航空作战勤务学院	34	143	5.0	10.0