基于支持向量机（SVM）的模拟电路多故障诊断通常使用单个特征向量来训练所有二进制SVM分类器。 实际上，每个二进制SVM分类器针对不同的特征向量具有不同的分类精度。 但是，没有人讨论最佳或接近最佳的特征向量选择问题。 基于马氏距离，提出了一种基于最小二乘支持向量机（LS-SVM）的近似最优特征向量选择方法。 还讨论了小波类型，小波分解级别和归一化方法的选择问题。 两个带有参数故障的滤波器和一个带有硬故障和参数故障的非线性半波整流器被用作被测电路（CUT）。 仿真结果表明：（1）使用具有最大MD的
