基于支持向量机的电气设备运行状态图像识别方法研究

• 作者: 于琳琳 杨镔 田有文
• 来源期刊: 沈阳农业大学学报
• 学科: 工学
• 关键词: 支持向量机 电气设备运行状态 图像识别 C-均值聚类法
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 研究简报
• 页码范围: 638-640
• 页数: 3页
• 分类号: TP391.41|TF083.2
• 字数: 2350字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2008.05.030

摘要

针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中.首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;冉利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别.试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能.不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田有文	沈阳农业大学信息与电气工程学院	68	945	17.0	29.0
2	于琳琳	沈阳农业大学信息与电气工程学院	2	5	2.0	2.0