基于优化DDAGSVM多类分类策略的电能质量扰动识别
针对电能质量扰动类型多样且识别率不高的问题,该研究的目的是如何将多类分类问题应用于支持向量机.首先通过S变换和FFT变换提取扰动信号特征量进行模型训练.其次将广义KKT判定条件与样本空间分布序列相结合引入类间识别度,将类间识别度最高的超平面函数作为分类器根节点,以此克服传统决策导向非循环图支持向量机分类器(DDAGSVM)在分类生成顺序上随机化的缺点,并将改进的DDAGSVM应用于电能扰动信号的识别分类.实验结果表明,所提算法较传统DDAGSVM算法有良好效果和更好的鲁棒性.
支持向量机、决策导向非循环图、类间识别度、广义KKT条件、空间分布序列
46
江苏省重点研发计划项目BE2016046;江苏省煤矿电气与自动化工程实验室建设项目2014KJZX05
2018-04-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
82-88