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:
本文针对电能质量扰动分类问题,提出了一种基于GA与SVM的混合算法.首先用小波变换技术对电信号进行特征提取,然后设计出一种遗传算法对提取出的特征进行筛选,最后把筛选后的特征提交给支撑向量机,并由支撑向量机进行分类.数值模拟实验验证了该方法的有效性.
推荐文章
基于GA与SVM融合的网页分类算法
遗传算法
支持向量机
文本分类
网页分类
基于 SVM 的电能质量扰动分类
电能质量
分类
支持向量机
网格搜索法
基于ESMD与SVM的电能质量混合扰动识别
样本熵
互样本熵
电能质量混合扰动
极点对称经验模式分解方法
支持向量机
一种基于PSO-SVM的电能质量扰动识别与分类的新方法
电能质量扰动
SVM分类器
PSO
复小波变换
电能质量监测
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 基于GA与SVM的混合算法在电能质量扰动分类问题中的应用
来源期刊 中国科技论文在线 学科 工学
关键词 电能质量扰动 小波变换 遗传算法 支撑向量机
年,卷(期) 2009,(2) 所属期刊栏目
研究方向 页码范围 130-134
页数 5页 分类号 TP39
字数 3703字 语种 中文
DOI 10.3969/j.issn.2095-2783.2009.02.010
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 梁艳春 吉林大学计算机科学与技术学院 73 723 15.0 25.0
2 孙亮 吉林大学计算机科学与技术学院 9 65 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (26)
二级引证文献  (5)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
电能质量扰动
小波变换
遗传算法
支撑向量机
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
中国科技论文
月刊
2095-2783
10-1033/N
大16开
北京市海淀区中关村大街35号教育部科技发展中心
2006
chi
出版文献量(篇)
4942
总下载数(次)
10
总被引数(次)
14783
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
高等学校博士学科点专项科研基金
英文译名:
官方网址:http://std.nankai.edu.cn/kyjh-bsd/1.htm
项目类型:面上课题
学科类型:
论文1v1指导