-
题名基于多核学习整合GIS局部放电多类特征的分类研究
被引量：3
- 1
-
-
作者
宋人杰
杨爽
孟凡奇
-
机构
东北电力大学电气工程学院
-
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2018年第5期93-98,140,共7页
-
文摘
传统的单一核函数构成的支持向量机(Support Vector Machine,SVM)无法解决气体绝缘组合电器(Gas Insulated Switcher,GIS)所采集到的局部放电数据(Partial Discharge,PD)分布不规则、特征类别复杂和规模巨大等问题.针对这类问题,本文提出使用多个核的线性组合方式即简单多核学习方法(Simple Multiple Kernel Learning,SimpleMKL)对多类特征进行分类研究.通过赋予不同局部放电特征不同的核函数,以多个核函数的线性加权代替传统的单一核函数,利用梯度下降法不停迭代求解核函数的权值系数,最终达到整合局部放电多类特征并提高分类精度的目的.实验结果表明:该方法对局部放电多个特征空间具有普适性,分类精度高于单核SVM和融合SVM识别方法.
-
关键词
气体绝缘组合电器
局部放电
模式识别
简单多核学习
-
Keywords
gas insulated switcher
partial discharge
pattern recognition
simple multi core learning
-
分类号
TM595
[电气工程—电器]
-
