摘要：针对重载机车黏着状态辨识中分类准确率不高的问题,提出采用布谷鸟遗传算法对最小二乘支持向量机的参数进行优化,并采用交叉验证原理提高该模型的整体泛化性能。首先,采用布谷鸟算法寻找惩罚因子和核参数的初始值;然后,采用遗传算法对最小二乘支持向量机进行训练,从而得到具有最佳参数的最小二乘支持向量机的分类模型。该分类模型将重载机车黏着状态分为正常、故障征兆、微小故障和严重故障4个状态。实验结果表明,提出的最小二乘支持向量机模型在黏着状态辨识中的分类准确率高达94.59%,高于极限学习机的分类准确率（84.61%）,证明布谷鸟遗传算法能够有效提高最小二乘支持向量机的分类准确率。
分类：期刊> 自然科学与工程技术> 工程科技II> 综合科技B类综合
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：最小二乘支持向量机 布谷鸟遗传算法 重载机车 黏着状态 准确率
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
