论文部分内容阅读
针对传统的模拟电路性能评价方法对于错值处理的缺陷,以及较差的实时性,难以应用于在线评价,本文以支持向量回归机(LSSVR)为基础,研究了基于支持向量机的模拟电路性能在线评价方法。主要内容包括:在线聚类算法及子模型连接方法研究,鲁棒LSSVR、模糊LSSVR(FLSSVR)及增减交互模型在性能评价中的应用,粒子群算法优化核参数。具体工作如下:(1)提出基于聚类分析的FLSSVR在线模拟电路性能在线评价策略。该策略考虑支持向量机小样本依赖的局限性,采用模糊聚类算法将整个数据样本集根据数据特征划分为具有多个具有同类特征的子样本集,从而进行训练分析,有效降低了支持向量机对于小样本的依赖性。(2)提出基于鲁棒LSSVR的模拟电路性能评价新策略。本文运用标准LSSVR,结合鲁棒学习的优越性,设计修正多核径向基核函数在线调节核宽度保证支持向量数目确定的精确性,利用改进的鲁棒学习算法处理包含错值的数据集,在线完成模拟电路输出预测与实际输出对比,获取预测误差。该方法利用鲁棒学习算法更新LSSVR权值处理错值,同时应用增量、减量交互的学习方法兼顾历史数据,控制存储数据总量,完成RLSSVR模型的在线更新,并通过仿真实验验证了所提方法的可行性。(3)提出基于改进隶属度函数的FLSSVR模拟电路性能在线评价策略。该策略利用FLSSVR对每个样本根据其重要程度分别赋一个隶属度值,从而实现对错值和干扰的有效抑制。传统的基于距离的隶属度函数不能准确反映样本数据间的相互关系,容易遗漏异常样本,从而导致异常样本与正常样本具有相同的隶属度值。本文结合k近邻思想,对隶属度函数进行了修正。(4)研究FLSSVR参数优化及适用于模糊聚类算法的多模型连接方法。在线聚类算法虽能有效的解决支持向量机小样本的困扰,但同时欠缺有效的子模型连接方法,本文给出了应用于模拟电路性能评价策略的开关切换及加权组合子模型连接方法,并通过仿真实验验证了所提方法的有效性。