基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了准确检测短时电能质量扰动问题,提出了一种基于K-L变换和支持向量机多值分类器的短时电能质量扰动分类方法.采用离散小波变换获得信号在不同分解尺度下的能量分布作为原始特征空间;运用K-L变换进行模式识别特征空间的提取;设计了适用于短时电能质量扰动的支持向量机多值分类器.实验结果表明,对原始能量特征进行K-L变换后,可以提高分类准确率;支持向量机多值分类器的分类结果优于BP神经网络.
推荐文章
电能质量扰动分类的决策树方法
电能质量
扰动分类
小波变换
决策树
基于改进支持向量机的电能质量扰动分类
电能质量
扰动识别
最小二乘支持向量机
小渡变换
基于粒子群优化与卷积神经网络的电能质量 扰动分类方法
新能源
电能质量
扰动分类
特征提取
粒子群优化(PSO)
深度学习
卷积神经网络(CNN)
基于改进PSO-SVM算法的电能质量扰动分类
支持向量机(SVM)
小波变换
粒子群算法(PSO)
电能质量
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 短时电能质量扰动分类方法研究
来源期刊 计算机工程与应用 学科 工学
关键词 短时电能质量扰动 支持向量机 K-L变换 小波能量
年,卷(期) 2008,(17) 所属期刊栏目 工程与应用
研究方向 页码范围 238-241
页数 4页 分类号 TP391
字数 4225字 语种 中文
DOI 10.3778/j.issn.1002-8331.2008.17.071
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姚建刚 湖南大学电气与信息工程学院 221 4287 36.0 52.0
2 罗滇生 湖南大学电气与信息工程学院 60 757 17.0 24.0
3 何洪英 湖南大学电气与信息工程学院 26 508 11.0 22.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (191)
参考文献  (8)
节点文献
引证文献  (6)
同被引文献  (16)
二级引证文献  (21)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(5)
  • 参考文献(3)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(6)
  • 引证文献(2)
  • 二级引证文献(4)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
短时电能质量扰动
支持向量机
K-L变换
小波能量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导