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:
针对学习向量量化(learning vector quantization,LVQ)神经网络在气体绝缘全封闭组合电器GIS特高频局部放电识别过程中存在初始权值敏感、竞争层未被充分利用的问题,提出了利用思维进化算法(mindevolutionary algorithm,MEA)优化LVQ神经网络的GIS特高频局部放电识别模型.该模型采用K交叉验证来确定LVQ网络竞争层中最佳神经元数目,并在此基础上利用思维进化算法寻找LVQ网络的最优初始权值,构建最佳的局部放电识别网络模型.对比该模型和BP网络、LVQ网络以及K交叉验证LVQ网络的放电识别准确率,结果表明:MEA优化的LVQ神经网络具有更高的识别精度.文中的研究对于提高局部放电识别准确率具有一定的价值.
推荐文章
基于神经网络的变压器绝缘局部放电识别
变压器
绝缘
局部放电
神经网络
识别
基于HHT和概率神经网络的变压器局部放电故障识别
希尔伯特?黄变换
概率神经网络
指数聚类
模态分解
局部放电
变压器
基于NMF和LVQ神经网络的人脸识别
人脸识别
学习矢量量化
神经网络
分类
LVQ神经网络在GIS局部放电类型识别中的应用
气体绝缘组合电器
超声波传感器
LVQ网络
放电类型识别
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MEA-LVQ神经网络的GIS特高频局部放电识别研究
来源期刊 高压电器 学科
关键词 思维进化算法 气体绝缘全封闭组合电器 K交叉验证 学习向量量化神经网络 放电识别
年,卷(期) 2017,(6) 所属期刊栏目 研究与分析
研究方向 页码范围 61-66
页数 6页 分类号
字数 语种 中文
DOI 10.13296/j.1001-1609.hva.2017.06.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (171)
共引文献  (278)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(12)
  • 参考文献(0)
  • 二级参考文献(12)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(12)
  • 参考文献(0)
  • 二级参考文献(12)
2008(17)
  • 参考文献(0)
  • 二级参考文献(17)
2009(21)
  • 参考文献(1)
  • 二级参考文献(20)
2010(19)
  • 参考文献(1)
  • 二级参考文献(18)
2011(11)
  • 参考文献(0)
  • 二级参考文献(11)
2012(24)
  • 参考文献(4)
  • 二级参考文献(20)
2013(14)
  • 参考文献(0)
  • 二级参考文献(14)
2014(13)
  • 参考文献(7)
  • 二级参考文献(6)
2015(6)
  • 参考文献(3)
  • 二级参考文献(3)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
思维进化算法
气体绝缘全封闭组合电器
K交叉验证
学习向量量化神经网络
放电识别
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
高压电器
月刊
1001-1609
61-1127/TM
大16开
西安市西二环北段18号
52-36
1958
chi
出版文献量(篇)
5932
总下载数(次)
16
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
论文1v1指导