基于多核学习整合GIS局部放电多类特征的分类研究

• 作者: 孟凡奇 宋人杰 杨爽
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 气体绝缘组合电器 局部放电 模式识别 简单多核学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 电力系统控制和电路参数检测
• 页码范围: 93-98,140
• 页数: 7页
• 分类号: TM595
• 字数: 6084字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.05.013

摘要

传统的单一核函数构成的支持向量机(Support Vector Machine,SVM)无法解决气体绝缘组合电器(Gas Insulated Switcher,GIS)所采集到的局部放电数据(Partial Discharge,PD)分布不规则、特征类别复杂和规模巨大等问题.针对这类问题,本文提出使用多个核的线性组合方式即简单多核学习方法(Simple Multiple Kernel Learning,SimpleMKL)对多类特征进行分类研究.通过赋予不同局部放电特征不同的核函数,以多个核函数的线性加权代替传统的单一核函数,利用梯度下降法不停迭代求解核函数的权值系数,最终达到整合局部放电多类特征并提高分类精度的目的.实验结果表明:该方法对局部放电多个特征空间具有普适性,分类精度高于单核SVM和融合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	杨爽	东北电力大学电气工程学院	3	4	1.0	2.0
2	孟凡奇	东北电力大学电气工程学院	11	33	3.0	5.0
3	宋人杰	东北电力大学电气工程学院	64	449	12.0	19.0