首页> 中文期刊> 《北京交通大学学报》 >基于多核学习整合GIS局部放电多类特征的分类研究

基于多核学习整合GIS局部放电多类特征的分类研究

     

摘要

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.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:[email protected]

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号

OSZAR »