自适应建模相关向量机及其在电子系统状态预测中的应用

发布时间：2018-03-19 20:35

本文选题：相关向量机　切入点：自适应建模　出处：《系统工程与电子技术》2017年08期 　论文类型：期刊论文

【摘要】：提出一种自适应建模相关向量机(adaptive modeling relevance vector machine,AM-RVM)并将其用于电子系统的状态预测。相比传统RVM,所提方法首先在预测模型训练之前通过计算各类基函数的后验概率来选取最适合训练样本结构特点的基函数,然后在训练中采用优化的增量学习流程来实现各核参数的快速自适应选取,最后通过对电子系统状态参量的相空间重构,从而将AM-RVM应用到电子系统的状态预测中。混沌时间序列预测及雷达发射机高压电源状态预测实验的结果表明,所提方法在预测精度与训练效率上优于传统RVM。
[Abstract]:This paper presents an adaptive modeling relevance vector machine adaptive modeling relevance vector machine (AM-RVM) and applies it to state prediction of electronic systems. Compared with traditional RVMs, the proposed method is first selected by calculating the posterior probability of various basis functions before training the prediction model. Taking the basis function which is most suitable for the structural characteristics of the training sample, Then the optimized incremental learning flow is adopted to realize the fast adaptive selection of the kernel parameters. Finally, the phase space reconstruction of the state parameters of the electronic system is carried out. The experimental results of chaotic time series prediction and high voltage power supply state prediction of radar transmitter show that the proposed method is superior to the traditional AM-RVM in prediction accuracy and training efficiency.
【作者单位】：海军航空工程学院科研部;
【基金】：装备预研基金资助课题
【分类号】：TN06

【参考文献】

相关期刊论文前10条

1 范庚;马登武;吴明辉;孟上;;电子系统状态时间序列预测的优化相关向量机方法[J];系统工程与电子技术;2013年09期

2 范庚;马登武;张继军;吴明辉;;基于自适应RVM的电子系统缓变故障预测方法[J];北京航空航天大学学报;2013年10期

3 姚畅;陈后金;Yang Yong-Yi;李艳凤;韩振中;张胜君;;基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究[J];物理学报;2013年08期

4 黄帅栋;卫志农;高宗和;杨争林;孙国强;孙永辉;;基于非负矩阵分解的相关向量机短期负荷预测模型[J];电力系统自动化;2012年11期

5 仕玉治;彭勇;周惠成;;基于相关向量机的中长期径流预报模型研究[J];大连理工大学学报;2012年01期

6 张弦;王宏力;;局域极端学习机及其在状态在线监测中的应用[J];上海交通大学学报;2011年02期

7 景博;黄以锋;张建业;;航空电子系统故障预测与健康管理技术现状与发展[J];空军工程大学学报(自然科学版);2010年06期

8 张弦;王宏力;张金生;孙渊;;状态时间序列预测的贝叶斯最小二乘支持向量机方法[J];西安交通大学学报;2010年10期

9 汪洪桥;孙富春;蔡艳宁;陈宁;丁林阁;;多核学习方法[J];自动化学报;2010年08期

10 张磊;李行善;于劲松;万九卿;;基于关联向量机回归的故障预测算法[J];系统工程与电子技术;2010年07期

相关期刊论文前10条

1 叶慧;叶龙海;尹强;王卫华;杨庆祥;;基于遗传算法寻优的多核支持向量机故障诊断系统[J];安阳工学院学报;2017年04期

2 王建国;陈肖洁;张文兴;;多核的LSSVM的轴承故障诊断算法研究[J];组合机床与自动化加工技术;2017年06期

3 郁鹏;吉卫喜;钱陈豪;张国祥;;基于优化相关向量机的化工装备故障预测方法[J];现代化工;2017年05期

4 张峰;陈华伟;李妍文;;基于多核最小二乘支持向量回归的TDOA-DOA映射方法[J];数据采集与处理;2017年03期

5 胡铁松;张兵堂;程晓峰;熊威;;基于非负矩阵分解的水量分配方案后评价[J];南水北调与水利科技;2017年03期

6 高明哲;许爱强;张伟;;自适应建模相关向量机及其在电子系统状态预测中的应用[J];系统工程与电子技术;2017年08期

7 王丙元;田坤;张丹丹;;关于机场助航灯光系统故障预测研究[J];计算机仿真;2017年04期

8 刘磊;杨鹏;刘作军;;采用多核相关向量机的人体步态识别[J];浙江大学学报(工学版);2017年03期

9 邵朝;李强;;基于特征加权的多核支持向量机[J];西安邮电大学学报;2017年02期

10 吕岩;房立清;赵玉龙;张前图;;基于LFOA算法的相关向量机核参数优化[J];电子技术应用;2017年02期

相关期刊论文前10条

1 肖夏;徐立;刘冰雨;;超宽带微波检测早期乳腺肿瘤三维仿真[J];物理学报;2013年04期

2 行鸿彦;祁峥东;徐伟;;基于选择性支持向量机集成的海杂波背景中的微弱信号检测[J];物理学报;2012年24期

3 黄帅栋;卫志农;高宗和;杨争林;孙国强;孙永辉;;基于非负矩阵分解的相关向量机短期负荷预测模型[J];电力系统自动化;2012年11期

4 薛辉辉;肖明清;段军峰;;基于杂合支持向量回归机的电子装备故障预测[J];计算机工程;2012年08期

5 仕玉治;彭勇;周惠成;;基于相关向量机的中长期径流预报模型研究[J];大连理工大学学报;2012年01期

6 陈刚;闫飞;龚啸;王烨;;基于参数优化的最小二乘支持向量机状态估计方法[J];电力系统保护与控制;2011年19期

7 姜媛媛;王友仁;崔江;孙凤艳;;基于LS-SVM的电力电子电路故障预测方法[J];电机与控制学报;2011年08期

8 刘广东;张业荣;;乳腺癌检测的三维微波热声成像技术[J];物理学报;2011年07期

9 车琳琳;张光玉;宋莉;曹卫芳;;基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究[J];中国医学物理学杂志;2011年02期

10 张弦;王宏力;;局域极端学习机及其在状态在线监测中的应用[J];上海交通大学学报;2011年02期

相关期刊论文前10条

1 许巍;卢天健;;柔性电子系统及其力学性能[J];力学进展;2008年02期

2 ;(电子系统故障查找手册)简介[J];微波学报;1989年04期

3 ;总论[J];电子科技文摘;2002年06期

4 ;前言[J];微电子学;1988年06期

5 宋钦岐;抗辐射电子学讲座——第五讲电子系统的抗辐射加固技术[J];质量与可靠性;1990年06期

6 巨政权;原亮;满梦华;王创伟;;电子系统的层次分解及建模[J];现代电子技术;2011年05期

7 刘春生;;线性电子系绕的矩阵分析[J];太原工学院学报;1980年02期

8 王仰周;绿色环保电子系统的基本要求[J];河南机电高等专科学校学报;2000年04期

9 钱颖雪;徐良芝;;浅述新兴的电子系统故障预测与健康管理[J];电脑与电信;2010年07期

10 陈琼;郭启利;;基于模块化实验平台的电子系统实验改革[J];实验室科学;2011年03期