科研之友
微信
新浪微博
Facebook
分享链接
摘要
支持向量机是基于统计学理论的机器学习算法，在解决高维、局部极值和结构选择问题中具有优势，广泛应用于数据发掘中；但是其核宽度和惩罚因子的选择直接关系到支持向量机分类结果；针对上述问题，可采取优化算法对该参数进行优化，达到提高支持向量机分类精度的目的；鸡群优化算法是近年新提出来的一种全局优化算法，具备结构清晰，全局搜索能力优等优点，在优化问题中得到广泛应用；基于此，提出一种基于鸡群优化的支持向量机模型(CSO-SVM)的健康状态评估方法，并应用在轴承健康状态评估领域中；结果表明，基于CSO-SVM的轴承健康状态评估精度达到97%,明显优于基于传统机器学习模型的健康状态模型的评估精度，具有更好的健康状态识别效果。
-
单位中国人民解放军陆军工程大学
