论文部分内容阅读
针对单一的隐马尔科夫模型（HMM）或支持向量机（SVM）在模拟电路早期的软故障中识别率不高的特点，将HMM-SVM混合模型应用到模拟电路早期的软故障识别中。首先通过主成分分析（PCA）将原始数据样本降维实现初步划分；接着利用HMM计算测试样本与各故障状态的匹配程度形成特征向量；最后由SVM做故障状态判别。实验结果表明，HMM-SVM混合模型的早期故障识别率优于单一的HMM或SVM模型，将平均故障识别率提高到95％以上。