华南理工大学学报（自然科学版）
華南理工大學學報（自然科學版）
화남리공대학학보（자연과학판）
JOURNAL OF SOUTH CHINA UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2011年
5期
49-54
,共6页
混沌%遗传算法%支持向量机%分类器
混沌%遺傳算法%支持嚮量機%分類器
혼돈%유전산법%지지향량궤%분류기
为克服支持向量机算法对噪声点和异常点的敏感性,采用清晰集合构造模糊集合法确定隶属度,采用混沌遗传算法优化参数的模糊最小二乘支持向量机分类器(FLS-SVMBCGA),并用著名的Ripley数据集、MONK数据集和PIMA数据集进行了数值实验,对油气输送管道的TPD检测信号进行了诊断.结果表明,FLS-SVMBCGA分类器能有效提高带噪声点和异常点数据集分类的预测精度,对油气输送管道的TPD信号分类效果高于91.67%,可实现对油气输送管道TPD信号的准确诊断.
為剋服支持嚮量機算法對譟聲點和異常點的敏感性,採用清晰集閤構造模糊集閤法確定隸屬度,採用混沌遺傳算法優化參數的模糊最小二乘支持嚮量機分類器(FLS-SVMBCGA),併用著名的Ripley數據集、MONK數據集和PIMA數據集進行瞭數值實驗,對油氣輸送管道的TPD檢測信號進行瞭診斷.結果錶明,FLS-SVMBCGA分類器能有效提高帶譟聲點和異常點數據集分類的預測精度,對油氣輸送管道的TPD信號分類效果高于91.67%,可實現對油氣輸送管道TPD信號的準確診斷.
위극복지지향량궤산법대조성점화이상점적민감성,채용청석집합구조모호집합법학정대속도,채용혼돈유전산법우화삼수적모호최소이승지지향량궤분류기(FLS-SVMBCGA),병용저명적Ripley수거집、MONK수거집화PIMA수거집진행료수치실험,대유기수송관도적TPD검측신호진행료진단.결과표명,FLS-SVMBCGA분류기능유효제고대조성점화이상점수거집분류적예측정도,대유기수송관도적TPD신호분류효과고우91.67%,가실현대유기수송관도TPD신호적준학진단.
