基于改进SVM模型的电能质量扰动分类

• 作者: 俞晓冬 周栾爱
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 电能质量 支持向量机 粗糙集 缩减训练集 小波变换
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 理论分析
• 页码范围: 15-19
• 页数: 5页
• 分类号: TM714
• 字数: 4335字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2010.03.004

摘要

提出一种改进的支持向量机模型,对电能质量扰动进行分类.支持向量机(SVM)在对大规模样本集的训练和分类时,需要占用大量内存,时耗过高,运算速度缓慢.针对这种情况提出一种改进的SVM模型:将原始训练样本集应用粗糙集理论(RS)去除冗余信息,然后在SVM中引入概率分布函数,用一个小规模的样本集训练得到一个初始的分类器,用这个初始分类器对大规模训练集进行修剪,修剪后得到一个规模很小的约减集,再用这个约减集进行训练得到最终的分类器.实验表明:这种改进的SVM模型有效降低了训练样本集的规模,提高了分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周栾爱		8	28	3.0	5.0
2	俞晓冬		5	80	4.0	5.0