TA的每日心情 | 开心
2019-11-20 15:05 |
|---|
签到天数: 2 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于支持向量机集成的圆极化微带天线设计 4 G3 Z1 c: z2 g/ d
（电波科学学报2015年第30卷第六期） 3 e9 S* O/ r* f/ P% E& r" r( m
9 [/ V: R+ T3 ]: _
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。
# n) S5 W$ _" I# o. U( s# S4 G0 |- R* Z+ r; C0 N% p; K2 } T
关键词：圆极化；微带天线；切角；粒子群优化；支持向量机集成) Z$ p. K0 N1 l1 [1 S
0 u2 {6 n* L* i4 J! ]4 E% y5 F- t8 @, a a; P0 C, w; B' B
" _$ x0 c5 L% ^$ F) }
) e$ \, B. S! m, a |
|
/1 
发表于 2019-10-11 07:00
收藏
淘帖
支持！
反对！