浙江省教育厅科研计划(Y201120550)
- 作品数：3 被引量：17H指数：3
- 相关作者：吕干云王世旭朱苏航孙维蒙更多>>
- 相关机构：浙江师范大学金华职业技术学院更多>>
- 发文基金：浙江省自然科学基金浙江省教育厅科研计划国家自然科学基金更多>>
- 相关领域：电气工程更多>>
- 基于标签传播半监督学习的电压暂降源识别被引量：8
- 2013年
- 针对带标签(类别已知)的电压暂降历史样本数据有限且不易获得的情况,引入基于标签传播半监督学习的电压暂降源识别方法。首先从电压暂降信号中提取了五类暂降信号特征,建立了K-近邻图模型,并实现了图模型上的标签传播。分析了图模型参数k、α对标签传播结果的影响,同时与神经网络、最小二乘支持向量机等监督学习算法的识别结果进行了对比。仿真结果表明,在历史数据较少的情况下,标签传播算法比传统监督学习算法具有更高的识别准确率且实时性好。
- 王世旭吕干云
- 关键词：特征提取
- 利用遗传支持向量机进行电压暂降信号识别被引量：6
- 2012年
- 针对传统电力信号识别算法中特征选取的随意性,提出了一种基于遗传支持向量机(GA-SVM)的电压暂降信号识别方法。首先通过S变换时频分析法提取该信号识别需要的可能特征集,然后利用遗传算法的全局搜索特性得到优秀特征,最后通过多分类支持向量机实现暂降信号识别并验证选取特征的有效性。仿真结果证明,该方法能快速、有效识别出电压暂降信号类型。
- 朱苏航吕干云
- 关键词：遗传算法支持向量机特征选取
- 一种基于二分类的电压暂降源定位方法被引量：4
- 2012年
- 电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。
- 吕干云孙维蒙
- 关键词：支持向量机最优分类面
