使用稀疏贝叶斯相关向量机进行模拟电路故障诊断的研究 (2011年)

模拟电路故障诊断受制于传统的机器学习方法需要人为设定参数，分类效果依赖于参数设定是否成功，无法进行在线诊断。为此，提出一种基于稀疏贝叶斯相关向量机理论的模拟电路故障诊断模型，改进权值更新算法，设定阈值提前剔除非相关权值，减少算法运行时间，加快权值更新速度。在贝叶斯框架下对分类函数的权重进行推断，并得到各分类的后验概率，从而判断分类结果的置信度，辅助诊断决策。仿真结果表明，与支持向量机相比，该模型在精度相当的情况下，需要的相关向量更少，更具稀疏性和泛化性，分类时效性更高，适合模拟电路的在线检测。