10.3969/j.issn.1001-1390.2017.21.006
基于卷积神经网络的绝缘子故障识别算法研究
卷积神经网络被广泛应用在图像处理领域,不同算法对网络识别率有较大的影响.基于此,引入小波分解理论,通过BP传播算法以及空间向量理论证明得到,相互独立的特征更能表达原图像的信息.通过小波分解去除卷积核之间的相关性,用较少的卷积核提取图像更独立、全面的特征,以提高网络的识别性能.在MNIST、CIFAR-10和CK标准数据库上进行分类识别实验,实验结果表明,此算法能在不同核函数尺寸的条件下取得较高识别率,且达到与传统算法相同识别率的前提下,所需的训练迭代次数更少,训练时间更短.最后,将该算法应用到绝缘子故障识别中,并取得了良好的效果.
卷积神经网络、图像分类、核函数相关性、绝缘子、故障识别
54
TM216(电工材料)
2018-01-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36