论文研究 集成散度的MKL模型在模拟电路诊断中的应用.pdf

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。