文章针对 ATP车载设备故障率预测,提出了一种基于核主成分分析 (KPCA)、遗传算法 (GA)及支持向量机 (SVM)组合的预测方法。首先,KPCA 对数据进行预处理,在特征空间上提取有效非线性主元,在此基础上, 利用 GA 优化后的SVM建立 ATP车载设备故障率模型.为验证 KPCAGGAGSVM 方法的有效性,将其应用于ATP车载设备故障率预测中,在同等条件下,与单一的 GAGSVM及SVM 预测方法进行比较。实验结果表明,KPCAGGAG SVM 组合方法具有较高的预测精度及较强的泛化能力。 |