基于支持向量机的电磁场正逆问题求解方法研究

研究支持向量机在线增量学习算法以及海量数据学习算法，以适应求解电磁场逆问题时训练样本动态增加的要求。研究适合求解电磁场边值问题拟合函数的构造方法。利用支持向量机求解具有不同约束条件的电磁场边值问题。在此基础上，将具有很强泛化能力的支持向量机方法，与混沌搜索以及模拟退火等算法相结合，有效地利用已搜索空间的信息，建立所求优化问题的数学模型,指导搜索过程。将这种方法应用于超磁致伸缩力传感器的优化设计中，并进行验证。.将具很强泛化能力的支持向量机方法应用到电磁场边值问题的求解中，可以提高边值问题的求解精度。将支持向量机方法应用到电磁场逆问题的求解过程中，可以克服随机类算法寻优的盲目性，大大缩短优化设计所需要的时间，提高电磁场优化设计的实际应用能力。