为了解决传统机器学习对电能质量分类时人工选择特征困难导致分类效果不好的问题,本文提出了一种高度比较时间序列分析(highly comparative time series analysis,HCTSA)结合BP神经网络的分类方法,该方法既可以提取大量特征又可以筛选特...为了解决传统机器学习对电能质量分类时人工选择特征困难导致分类效果不好的问题,本文提出了一种高度比较时间序列分析(highly comparative time series analysis,HCTSA)结合BP神经网络的分类方法,该方法既可以提取大量特征又可以筛选特征,不需要人工选择特征指标。首先,使用大量算法数据库从时间序列中提取数千个可解释特征;然后,再利用线性分类器进行前向特征选择,选择出类结构中信息量最大的特征,即为最优特征。最后,用最优特征重新对扰动样本提取特征,并用BP神经网络分类。仿真结果表明,HCTSA-BP法的分类准确率达到了97.3%,比传统的小波-BP法高了8.7%。展开更多
文摘为了解决传统机器学习对电能质量分类时人工选择特征困难导致分类效果不好的问题,本文提出了一种高度比较时间序列分析(highly comparative time series analysis,HCTSA)结合BP神经网络的分类方法,该方法既可以提取大量特征又可以筛选特征,不需要人工选择特征指标。首先,使用大量算法数据库从时间序列中提取数千个可解释特征;然后,再利用线性分类器进行前向特征选择,选择出类结构中信息量最大的特征,即为最优特征。最后,用最优特征重新对扰动样本提取特征,并用BP神经网络分类。仿真结果表明,HCTSA-BP法的分类准确率达到了97.3%,比传统的小波-BP法高了8.7%。
