论文部分内容阅读
差分进化算法是一种新兴的进化计算技术，为解决其易于早熟收敛的问题，将克隆选择算法引入差分进化算法，并对两种算法中的相关策略作以改进，提出一种基于克隆选择的差分进化(CDE)算法，该算法在标准函数对比测试中不仅摆脱了差分进化算法的不足，同时还表现出较强的寻优性能。 SVM作为目前最好的监督学习算法，广泛用于统计分类和回归分析，但其参数的选取仍没有形成一套成熟的理论，严重影响了其性能的发挥及广泛的应用。将本文提出的CDE算法用于SVM的参数优化中，构造出性能良好的分类器。通过Wine Dataset分类实验，验证了优化后的SVM不仅加快了参数的搜索速度，而且提高了SVM的预测精度和泛化能力，具有较高的分类准确率和较好的推广性能。 鉴于经CDE算法优化后的SVM表现出的优越性能，将经过CDE算法优化后的SVM分类器应用于故障诊断中，提出了基于CDE-SVM的故障诊断方法，并在化工TE过程仿真实验和实际化工过程（乙烯裂解炉）的故障诊断中，均表现了较高的单故障识别能力和多故障分类能力，具有一定的故障诊断可行性，可以推广到化工工业生产中。