基于混沌遗传算法的SVM特征和参数优化

故 障诊 断，性 能测试 ；谭业双 ，副教授 ；甘 收稿 日期 ： ０ １ ８１ ２ １— —１ ０ 彤 ，硕士研究生 Ｅ ｍａ ：ｍ ｓ １０ ｏ ． ｍ ・ ｉ ｙｋ １ ＠ｔ ｃ ｌ ｙ ｍ ｏ
上述 方法大 部分仅对 特征 子集选取 或对 Ｓ ＶＭ 参数进行 优化 。实 际上，特百度文库选择与参数选择在提高 Ｓ ＶＭ 分类性能
ｓ ｏｒｗａ ｅ ｃ ｎ ｒ ｌｅ ｕ ｐ ｎ ． ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｓ ｅ ｓｅ ｆ ｃ ｉ ｅ ｅ ｓｏ ｎ ｉ ｇ ｏ ｔｍａ ｏ ｕ ｉ ｎ ｏ ｅｐｒ ｐ ｓ ｄ ａ ｐ ｏ ｃ ． ｈ ｔ ｖ — ｏ ｔｏ — ｑ ｉ ｍｅ ｔ Ｅｘ ｅ ｉ ｎ ａ ｓ ｌｓａ ｓ ｓ ｆ ｅ ｔ ｎ ｓ ｎ ｆ ｄ ｎ ｐ ｉ ｌ ｌ ｔ ｆｔ ｏ ｏ ｅ ｐ ｒ ａ ｈ ｒ ｖ ｉ ｓ ｏ ｈ
上相互 影响 ，对于特征选择或参数选择 的单一优化均无法充 分 发挥 Ｓ Ｍ 的分类潜能。 目前关于联合优化 的研究相对较 Ｖ
１４ ６
计
算
机
工
程
２１ ０ ２年 ３月 ５日
的特征 子集选择 和 Ｓ Ｍ 的参数 编在 同一 个染 色体 中，设 Ｖ Ｐ 。 ｃ － ｕ ｌ 一 ， ， 一 ｆ 产｛ ６ －１ｔ ， ［ ２ ， ￣ ２ Ｇ ， 】 ２ｆ ｌ ２ 为第 ｔ 的一个染色 代 体 ， ｆ １ 一“为特征子集选择位 串， （ ，， ｖ为惩罚 ｎ（ ， ２ ） １ …，） ２ 参数位 串 ，Ｏ（ ，， ） － １ …ｗ 为核参数 位 串，６ ｆ ＂ ０１ ｉ ２ ｃ ｆｉ ／。特征 ， Ｏ＝
现有很 多优化 Ｓ Ｍ 参数的方法。文献［］ 出了一种采用改 Ｖ １提
２ 基于变尺度混沌遗传算法的联合优化
２１ 混沌运动 ． 混 沌是 自然界广 泛存在 的一种 非线性 现象 ，具有 随机 性、遍历性和初始条件敏感性等特点 ，在 一定范围内能够按
进 的人 工鱼群 算法实现 Ｓ Ｍ 参数的优化。文献【】 出了采 Ｖ ２提
尺度 的混沌遗传算法 ，联合优化染色体编、 译码 ，利用混沌 的遍历性产 生初始种 群 ，改进遗传 算法 中的交叉算子 ，动态缩减寻优 区问。将
该 方法应用于短波通信控制器 的诊 断分 类器 中 ，以实现分类器特征子集选取和参数 的联合优化 ，结果表 明该 方法具有较强 的寻优能力 。 关健词 ：支持向量机 ；混沌遗传算法 ；特征选取 ；参数优化 ；故障诊断 ；变尺度
［ ｙｗ ｒ ｓ Ｓ ｐ ｏ ｅｔｒ ｃｉｅＳ Ｋｅ ｏ ｄ ］ ｕ ｐ ｒＶ ｃ ｈｎ（ＶＭ）ｃ ａｔ ｅ ｅｉ ａｇｒｈ ｆａ ｒ ｅ ｃｉｎ ｐ ａ ｔ ｐｉ ｚｔ ｎｆｕｔ ｉｇ ｏｉ； ｔ ｉｅｓａｅ ｔ ｏ Ｍａ ； ｈｏｉｇ ｎｔ ｌｏｉ ｍ；ｅｔ ｅｓｌ ｔ ； ａ ｍｅｅ ｏ ｔ ａｏ ；ａ ｌｄａ ｎ ｓ ｍｕａ ｖ ｌ ｃ ｃ ｔ ｕ ｅ ｏ ｒ ｒ ｍｉ ｉ ｓ ｔ ｃ ＤＯｈ １ ． ６ ￣ｉｓ．０ ０３ ２ ．０ ２ ５０ ０ ０３ ９ ． ｎ１ ０ —４ Ｒ １ ． ．５ ９ ｓ ２ ０
（） ５
其，。 ｛ 中 ？ ＝
无效操作 的可能性就愈小 。
２个体间配对概率 ）
。
事实上 ，ｒ ，） （ 曰 表示 Ａ和 Ｂ之 间不 同基因的数 目，ｒ 曰 Ａ （ ） Ａ， 愈大 ，表明 Ａ和 Ｂ的相关性愈 小 ， Ａ和 Ｂ进行 交叉时出现 对
染色体译码是指将寻优后 的二进制位 串转换成具体解空 间的值 。特征子集选择位 串中数值 为 １的位置代表选中相应 特征 作为故障诊 断训练样本 。Ｃ和 ｙ 参数位 串的解码方式相
第３ ８卷 第 ５期
Ｖ＿ ． ８ Ｏ ３ １
・
计
算
机
工
程
２１ ０ ２年 ３月
Ｍ ａ ｃ ２ ２ ｒ ｈ ０１
Ｎ ｏ． ５
Ｃｏ ｍｐｕ ｅ ｇ ｎ ｅ ｉ ｇ ｔｒＥｎ ｉ ｅ ｒｎ
人 工 智 能及 识别 技 术 ・
￣ｌｔｑｔ ０ｏ ４８ ０２ ５ ６一ｌ ｌ ＂ １０＿３ （ １） — １ ４ 文 ｌ ２２ ０ 献标识 Ａ 码：
少 ，文献 ｆＪ 出采 用免疫多 向二进制粒子群 算法实现特征子 ５提 集选取和 Ｓ Ｍ 参数 的共 同优化 ，但 其搜索区间固定不变 ， Ｖ 使得参数 的搜索精度较低。针对 上述情况 ，本文提 出了将特
征选择和参数选择进行联合优化 的方法，该方法基于变尺度 的混沌遗传算法 ，将混沌运动的遍历性和遗传算法 的高效并 行计算能力相结合 ，并随着寻优次数 的增长动态缩减寻优区 间，克服 了传统寻优方法存在早熟收敛、非全局收敛 以及后 期收敛速度慢 的弱点。
ｃ ｍｂｉ ａ ｉ ｎ ｏ ｔｍｉ ａｉ ｎ ｆ ｒ ｆ ａ ｕ ｅ ｓ ｌ ｃｉ ｎ ａ ａ ｅｅ ｓ ｐ ｅ ｅ ｔ ｄ ｂ ｓ ｄ ｏ ｈａ ｔ ｅ ｅ ｉ ｌ ｏ ｉ ｍ ｆ ｍ ｕ ａ ｉ ｅ ｓ ａ ｅ Ｔｈ ｔ ｏ ｆ ｏ ｎ ｔｏ ｐ ｉ ｚ ｔｏ ｏ ｅ ｔ ｒ ｅ ｅ ｔ ｏｎ ａ ｄ ｐ ｒ ｍ ｔ ｒ ｉ ｒ ｓ ｎ ｅ ａ ｅ ｎ ｃ ｏ ｉ ｇ ｎ ｔｃ ａｇ ｒｔ ｃ ｈ ｏ ｔｔｖ ｃ ｌ ． ｅ ｍｅ ｈ ｄ ｏ ｃ ｒ ｍｏ ｏ ｏ ｉ ｇ ａ ｄ ｄ ｃ ｄ ｎ ｓｐ ｅ ｅ ｅ Ｉ ｉ ａ ｉ ａ ｉ ｎ ｐ ｐ ｌ ｔ ｎ ｉ ｐｒ ｄ ｃ ｄ ｂ ｓｎ ｈ ｏｓｅ ｇ ｄ ｃ ｔ ， ｍ ｏ ｆｅ ｒ ｓ ｏ ｅ ｐ ｒ ｔ ｒａ ｄ ｈ ｏ ｓ ｍｅ ｃ ｄ ｎ ｅ ｏ ｉ ｇ ｉ ｒ ｓ ｎｔｄ． ｎ ｔ ｌ ｔ ｏ ｕ ａ ｉ ｓ ｏ ｕ ｅ ｙ ｕ ｉ ｇ ｃ ａ ｒ ｏ ｉ ｉ Ａ ｄｉ ｄ ｃ ｏ ｓ ｖ ｒ ｏ ｅ ａ ｏ ｎ ｎ ｉ ｚ ｏ ｏ ｙ ｉ
用反三 角函数 Ｌ ｇｓｃ映射产 生优化变量 ，对优化变量进行 ｏｉｉ ｔ
其 自身 的规律不重复地遍历所有状态。经常与其他进化算法
结合使用 ， 用于遗传算法 中以设计和保持演化群体的多样性 。
遗传搜索 ，实现 Ｓ Ｍ 参数 的优化 。 Ｖ
另外 ，样 本特征 子集的选择也很重要 。原始样本特征集
相 似程度 。考虑二进制 编码 的情况 ， ２ 设 个个体 Ａ ｛ １ ２ ＝ ｄ， ， ａ …， ａ ｝ 曰 ｛１ ２ ｂ｝ 和 ＝ ， ， ，其 中，ａ， ∈｛，】 ＝ ，， ｎ ｂ …， ｉ ０１ ，ｉ１ …，。 ｂ ２ 个体 Ａ 、Ｂ之间不相关指数为 Ｊ ：
ｒＡ 曰） Ｅ ｌ （， ＝ ｎ ０ｂ
Ｓ ＶＭ ａ ｕ ｅａ ｄ Ｐａ ａ ｅ ｅ ｔｍ ｉ ａ ｉ ｎ Ｆｅ ｔ ｒ ｎ ｒ ｍ ｔ ｒ０ｐ ｉ ｚ ｔｏ Ｂａ ｅ ｎ Ｃｈａ ｔｃＧｅ ｅ ｉ ｇ ｒ ｔ ｍ ｓｄ０ ｏ ｉ ｎ ｔ Ａｌ ｏ ｉｈ ｃ
Ｄ Ｕ Ｚｈａ ｌｎｇ ，ＴＡ Ｎ ｓ ｎ－ｏ Ｙｅ－ｈｕａｎｇ ，Ｇ ＡＮ ｎｇ Ｔｏ
文 献［】 ３利用高光谱数据集进行一系列分类算法分析后 ，得 出
其 中，０ ｌ ； 是迭代次数 ，ｋ ｌ ， 是控制参量 ， ≤Ｘ≤ｌ ＝ ， …； ２
当 ｐ ４时系统完全处于混沌状态 ，此时 Ｘ 在【，】 ＝ ０１的范 围内
变化 。
特征 的增 加对 Ｓ Ｍ 分类置信度按显著性水平 ５ Ｖ ％减少 。文
（． ｐｒ ｎ ｆ ｔ ｓ ｎ ｌ ｔ ｎｃＥ ｇｎ ｅｉｇ Ｏｒｎｎ ｅ ｎ ｉｅｒｎ ｏｌｇ ， ｈ ｉｚ ｕｎ ５ ０ ３ Ｃ ｉａ １Ｄｅ ａ ｍｅ ｔ ｉ ｄＥｅ ｒ ｉ ｎ ｉｅｒ ， ｄ ａｃ ｇｎｅｉｇＣ ｌ ｅ Ｓ ｉａｈ ａｇ０ ０ ０ ， ｈｎ； ｔ ｏ Ｏｐ ｃ ａ ｃｏ ｎ Ｅ ｅ ｊ
常用 的一维 ｌｇｓ ｃ ｏ ｉ ｉ 映射 为 ： ｔ ’
ｘ＋ ＝Ｐｘ （～ ） ｋｌ ｋ１ （） １
中不可避免地存在着 一些与故障诊断不相关的特征 和与其他 特征相冗余 的特征 ，从而增加了故障诊 断的计算量 ，降低故 障诊断 的精 度。因此 ， 对原 始样 本特征集 必须进行 优化选择 。
献 ［］ ４利用遗传算法和最小二乘支持 向量机 的 Ｗｒｐ ｅ 方法选 ａｐ ｒ 择最优特征 子集 。
２２ 染色体的编译码 ． 染色体编码是指将寻优问题的解 空间转换成寻优方法所 能处理 的搜索 空间。本文使用二进制编码形式。将故障样本
作者简介 ：杜 占龙（ ８－） 男 ， １６ ， ９ 硕士研究 生， 主研方 向： 通信装备
近年来 ，基于支持 向量机（ｕ ｐ ｒＶ ｃｏ ｃ ｉｅ Ｓ Ｓ ｐ ｏｔ ｅｔｒ ｈｎ ， ＶＭ） Ｍａ 的诊 断方法得 到了广 泛的关注 。 Ｖ 基于结构风险最小化原 ＳＭ 则 ，可 以在 有限样 本的基础上取得 良好 的分类效果 。故障分 类器 的性能与 Ｓ Ｍ 的核参数 和误差惩罚参数有很大 关系 。 Ｖ
１ 概 述
将某型短波通信控制器应 用于 短波通信 网的管理和控制
中，此类设备 中各模块 单元 的电路板结构复杂 ， 耦合程 度高 ， 其故 障呈现 出复杂化的特点 。研究此类设备的故障诊断 ，不
仅可 以提 高此类 设备的维修保障水平、节约维修时间 ，而且 能够提高整个短波通信 网的工作稳定性 。
ｄ ｎａ ｉ ｒｄ ｃｎ ｅ ｒ ｈｎ ｓ ｃ ｉ ｙ ｍ ｃ ｅ ｕ ｉｇ ｓ ａｃ ｉｇ ｐａ ｅ ｓ ｅ ｏ ｕｔ ｒ ｏ ｔｍｉａｉｎ ｕｓｄ ｆ ｒ ｆ ｒ ｈｅ ｐ ｉ ｚ ｔｏ ．Ｔｈ ｓ ｉ ｍｅｈ ｄ ｉ ａ ｐ ｉｄ ｏ ｆｕ ｔｃａ ｓｆｅ ｏ ｉａｉｎ ｏ ｔｍｉａｉｎ ｆ ｔｏ ｓ ｐ ｌｅ ｔ ａ ｌ ｌｓ ｉ ｒ ｃ ｍｂｎ ｔ ｐｉ ｚ ｔｏ ｏ ｉ ｏ
同 ，以惩罚参数位 串映射到解空 间为例 ，表达 式为 ：
２ Ｎａｏ ａＡｓ ｏ ｏ ｃｌ ｂ ｅｖ ｔｒ， ａｕ ｔＵｎｖｒｉ ｆ ｈｎ ｓ ｃ ｄｍｙｏ ｃｅ ｃｓＢ ｉｎ ０ ０ ０ Ｃｈｎ） ． ｔ ｎｌ ｔ ｎ ｍｉａ Ｏ ｓｒａｏｙ Ｇｒｄ ａｅ ｉｅｓｙｏ ｉｅｅ ａｅ ｆ ｉｎｅ， ｅ ｉｇ１０ ０ ， ｉａ ｉ ｒ ｔ Ｃ Ａ Ｓ ｊ
ｆ＝１
子集选择位 串位数长度 Ｕ等于特征的个数 ，每一位代表一个 特征 ，每位上的 １表示选 中该特征 ，０则表示不选 中。参数 位 串位数长度 ｖ Ｗ 由参数搜索精度决定 。以惩罚参数位 串 和
为例 ，设惩罚参数 Ｃ的搜索范围是 １ １，用 ｖ位二进 制编 ，］ ｂ 码 ，则 Ｃ的搜索精度为（ ｎ） 一 １２。本文 中参数位串位数 长度 ／ ｖ和 Ｗ均取 １ 。 ６位
［ ｓｒｃ］Ａｉ ｎ ｔｅ ｔｒ ｅｅｔ ｎａｄｐ ｒｍｅｅ ｐｉ ｚｔ ｎｐｏ ｌｍ ｆｃａｓｆ ｒ ａｅ ｎＳ ｐ ｏ ｅ ｔｒ ｃ ｉｅＳ Ａｂ ｔａ ｔ ｍｉｇａ ａｕｅｓｌｃｉ ｎ ａａ ｔ ｏ ｔ ａｉ ｒｂｅ ｏ ｌｓｉｅ ｓｄｏ ｕ ｐ ｒ Ｖ ｃｏ ｈｎ（ＶＭ） ｏ ｅｋｎ ｆ ｆ ｏ ｒ ｍｉ ｏ ｉ ｂ ｔ Ｍａ ， ｎ ｉｄｏ
中图分类号：Ｔ ２３ Ｐ７
基 于混沌 遗传 算 法的 Ｓ Ｍ 特征 和 参数优化 Ｖ
杜 占龙 ，谭业双 ，甘 彤
（． １ 军械 工程 学院光学与 电子工程系 ，石家庄 ０ ０ ０ ；２ 中国科学院研究生院国家天文 台 ，北京 １０ ０ ） ５０３ ． ０００
摘
要 ：为解决支持向量机（Ｖ 分类器 的样本特征选择和参 数优化问题 ，提出一种将特征选择和参数选择进行联合优化 的方法 。基于变 Ｓ Ｍ）