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:
最小二乘支持向量机(LS-SVM)不仅继承了标准支持向量机(SVM)较好的泛化能力,不容易陷入局部最小值等优点,而且结构简单,收敛速度快,计算时间短。本文通过多层动态自适应优化参数法对LS-SVM的参数进行优化,形成优化LS-SVM法,并将其应用到油浸式变压器故障诊断中,通过实例证明了该方法的有效性和优越性。
推荐文章
基于改进PSO-SVM算法的油浸式变压器故障诊断
粒子群算法
支持向量机
变压器
故障诊断
用于变压器DGA故障诊断的改进PSO优化SVM算法研究
变压器
故障诊断
DGA
模拟退火算法
粒子群优化算法
SVM
油浸变压器的在线检测与故障诊断
在线监测
高分子膜
传感器
故障诊断
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 优化LS-SVM在油浸式变压器故障诊断中的应用
来源期刊 长春师范大学学报 学科 工学
关键词 优化LS-SVM 自适应优化参数法 变压器 故障诊断
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 71-74
页数 4页 分类号 TM411
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郑安豫 19 18 2.0 4.0
2 王晓波 16 18 3.0 3.0
3 杨春玲 17 22 3.0 4.0
4 张艳 11 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (23)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 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
优化LS-SVM
自适应优化参数法
变压器
故障诊断
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
长春师范大学学报
月刊
2095-7602
22-1409/G4
大16开
吉林省长春市长吉北路677号
12-326
1982
chi
出版文献量(篇)
1626
总下载数(次)
6
总被引数(次)
38458
论文1v1指导