基于多层卷积神经网络的变电站异常场景识别算法

• 作者: 孟格格 高强
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 置信度 多层卷积神经网络 小样本 变电站 异常场景识别
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能电网
• 页码范围: 46-50
• 页数: 5页
• 分类号: TM769|TP391
• 字数: 4074字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.05.008

摘要

针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中.依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络结构中难以识别的样本,重新进行特征的提取并训练下一层的网络,形成多层卷积神经网络结构,达到提高识别率的目的.在MNIST手写体数据库上对不同规模样本数进行实验,结果表明M_CNN模型在针对小样本识别时具有一定优越性,最后,将M_CNN模型应用在变电站异常场景识别中,取得了良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
2	孟格格	华北电力大学电气与电子工程学院	2	12	2.0	2.0