EDA365电子论坛网
标题:
基于支持向量机集成的圆极化微带天线设计
[打印本页]
作者:
Colbie
时间:
2019-10-11 07:00
标题:
基于支持向量机集成的圆极化微带天线设计
基于支持向量机集成的圆极化微带天线设计
8 h, G: x3 P1 _6 c
（电波科学学报2015年第30卷第六期）
! m( S5 e, }1 x9 D$ t2 i: e
! {" l4 {- Z/ p1 ? Q. e& B
摘要：
人工神经网络（Artificial Neural Network, ANN）设计圆极化微带天线（Circu-- larly-polarized Micro strip Antenna, CPMSA）时需要进行大量数据样本的准备，网络结 构一般都比较复杂．为了解决这个问题，利用支持向量机（Support Vector Machine, SVM) 在解决小样本数据处理问题时具有拟合精度高、泛化能力强、结构简单等优点，结合二进 制粒子群（Binary Particle Swarm Optimization, BiPSO）算法选择出合适的SVM个体参 与集成，形成一种基于BiPSO算法的选择性SVM集成（SVM Ensemble, SVME）方法， 并将该方法用于单馈切角方形CPMSA的综合设计．仿真结果表明：这种SVME方法提 高了算法的鲁棒性和有效性，有更好的预测精度，通过与ANN、 SVM以及现有文献的预 侧结果对比可以看出，由该模型得出的结果优于此问题的已有结论。
) s4 P8 T& s6 o9 G- I
) Q- o+ ]5 ^0 L1 [* a- D' {$ t$ w4 B
关键词：
圆极化；微带天线；切角；粒子群优化；支持向量机集成
& `& e- B- G2 v. c& _& T
: @" F: w4 y6 Y* G3 a* t8 {
1 i" G5 s6 V7 F7 e# f: S
, E0 c5 [7 l, {" T" D; U7 x
9 I6 T. g5 R' y: v/ W& X* d- J
作者:
tteda
时间:
2019-10-11 10:31
摘要：人工神经网络（Artificial Neural Network, ANN）设计圆极化微带天线（Circu-- larly-polarized Micro strip Antenna, CPMSA）时需要进行大量数据样本的准备，网络结 构一般都比较复杂．为了解决这个问题，利用支持向量机（Support Vector Machine, SVM) 在解决小样本数据处理问题时具有拟合精度高、泛化能力强、结构简单等优点，结合二进 制粒子群（Binary Particle SwARM Optimization, BiPSO）算法选择出合适的SVM个体参 与集成，形成一种基于BiPSO算法的选择性SVM集成（SVM Ensemble, SVME）方法， 并将该方法用于单馈切角方形CPMSA的综合设计．仿真结果表明：这种SVME方法提 高了算法的鲁棒性和有效性，有更好的预测精度，通过与ANN、 SVM以及现有文献的预 侧结果对比可以看出，由该模型得出的结果优于此问题的已有结论。
欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/)
Powered by Discuz! X3.2