改进AFSA算法优化SVM的变压器故障诊断

• 作者: 卢向华 舒云星
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机(SVM) 参数优化 人工鱼群算法(AFSA) 变异 变压器故障诊断 决策模型
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 173-179
• 页数: 7页
• 分类号: TP312
• 字数: 6639字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0018

摘要

提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法.首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和t分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度.然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度.最后采用决策导向无环图(DDAG)方法建立变压器故障诊断SVM多分类决策模型.通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒云星	洛阳理工学院计算机与信息工程学院	32	127	6.0	9.0
2	卢向华	洛阳理工学院计算机与信息工程学院	15	48	4.0	6.0