组合核支持向量机在放电模式识别中的优化策略

• 作者: 尚海昆 王瑜 苑津莎 靳松
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 局部放电 组合核 支持向量机 骨干粒子群 模式识别
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 高电压与绝缘技术
• 页码范围: 229-236
• 页数: 8页
• 分类号: TM85
• 字数: 6149字
• 语种: 中文

摘要

传统的单一核函数SVM无法实现局部放电中的多特征空间向量的映射分类,且目前SVM大都采用不同尺度的径向基函数作为核函数,核的调整空间较为有限,无法针对不同特征空间的放电参数达到普适的效果.针对上述问题,本文提出一种基于多分组特征的组合核多分类SVM的局部放电识别方法.该方法首先完成多类特征空间在不同类型SVM核函数中的映射分类,再采用骨干粒子群(BBPSO)优化方法选取最佳核参数,并求解核函数权值系数,最终形成最优核函数组合分类模型.实验结果表明,该方法对多个特征空间数据具有普适性,且融合效果理想,分类精度高于误差反向传播神经网络(BPNN)和SVM识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑津莎	华北电力大学电气与电子工程学院	188	2334	27.0	40.0
2	靳松	华北电力大学电气与电子工程学院	14	182	7.0	13.0
3	王瑜	华北电力大学电气与电子工程学院	22	297	8.0	17.0
4	尚海昆	东北电力大学电气工程学院	2	40	2.0	2.0