陕西省教育厅科研计划项目(11JK0776)
- 作品数：3 被引量：28H指数：3
- 相关作者：陈渊马宏伟更多>>
- 相关机构：西安科技大学更多>>
- 发文基金：国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：机械工程矿业工程理学一般工业技术更多>>
- 基于蜜蜂算法的支持向量机特征选择和参数优化被引量：4
- 2013年
- 针对支持向量机训练过程中特征选择和参数优化的问题,提出了一种基于蜜蜂算法的支持向量机特征选择和参数优化算法,并将其应用于焊接缺陷的自动分类。该算法采用分类正确率作为适应度,利用蜜蜂算法对支持向量机的模型参数进行优化,并同时选择最佳的特征子集。UCI标准数据集和焊接缺陷的分类实验结果表明,与常规支持向量机相比,蜜蜂算法优化的支持向量机能够克服局部最优解,获得了更高的分类正确率。因此,论文算法对于焊接缺陷的分类是有效可行的。
- 陈渊马宏伟
- 关键词：支持向量机参数优化
- 基于粒子群优化支持向量机的焊接缺陷分类被引量：5
- 2013年
- 缺陷的自动分类在焊接缺陷的超声无损检测与评价中具有十分重要的意义。而支持向量机是一种性能优越的机器学习方法,在小样本、非线性及高维模式分类问题中能找到全局最优解,因此,支持向量机在超声检测缺陷分类方面具有良好的应用前景。然而,在实际应用中,选择合适的支持向量机参数是很困难的,影响了分类器的性能和分类精度。针对支持向量机训练中人为选择参数的随意性,提出基于粒子群优化的支持向量机参数自动选择方法,并将其应用于焊接缺陷的分类。该方法采用分类正确率作为优化问题的适应度函数,利用粒子群算法对支持向量机参数进行优化。为验证该方法的有效性,并和常规支持向量机、遗传算法优化的支持向量机进行比较,分别采用标准数据集和焊接缺陷实验数据集进行了分类测试。实验结果表明,该方法获得了比常规支持向量机和遗传算法优化的支持向量机更高的分类正确率。
- 陈渊马宏伟
- 关键词：支持向量机粒子群优化超声检测
- 基于PSO-SVM的采煤机摇臂齿轮箱故障诊断研究被引量：19
- 2015年
- 针对采煤机摇臂齿轮箱故障诊断的难题,提出了一种基于时频特征和PSO-SVM的故障诊断方法。考虑到SVM模型参数和故障特征对诊断结果有着重要的影响,提出了利用PSO对SVM参数进行优化,并同时选择最佳的特征子集,以获得性能最优的SVM分类器,最后将故障特征向量输入到优化的SVM分类器中进行故障诊断。轴承和齿轮的故障诊断实验结果表明,PSOSVM获得了比常规SVM更好的故障诊断性能。
- 陈渊马宏伟
- 关键词：支持向量机粒子群优化特征提取采煤机摇臂
