电测与仪表
電測與儀錶
전측여의표
ELECTRICAL MEASUREMENT & INSTRUMENTATION
2012年
5期
11-16
,共6页
支持向量机%交叉验证%遗传算法%参数优化%网格搜索%变压器故障诊断
支持嚮量機%交扠驗證%遺傳算法%參數優化%網格搜索%變壓器故障診斷
지지향량궤%교차험증%유전산법%삼수우화%망격수색%변압기고장진단
支持向量机(Support Vector Machines,SVM)分类器在变压器故障诊断中取得了较好的效果,然而对其性能起关键作用的参数选择,却没有理论依据或有效方法.鉴于交叉验证(Cross validation,CV)是模型性能评估和模型选择的有效方法,而遗传算法(Genetic Algorithm,GA)可以实现全局寻优,将CV与GA方法相结合用来选取SVM分类器参数.该方法采用GA方法对SVM分类器参数进行优化,利用CV构造GA适应度函数,为SVM分类器参数选择提供评价标准.并将其应用于变压器故障诊断,从而充分利用有限的变压器故障样本数据,提高SVM分类器的推广性.实例分析表明同Grid与SVM相结合,CV、Grid与SVM相结合及GA与SVM相结合的方法相比,所提方法具有更好的效果.
支持嚮量機(Support Vector Machines,SVM)分類器在變壓器故障診斷中取得瞭較好的效果,然而對其性能起關鍵作用的參數選擇,卻沒有理論依據或有效方法.鑒于交扠驗證(Cross validation,CV)是模型性能評估和模型選擇的有效方法,而遺傳算法(Genetic Algorithm,GA)可以實現全跼尋優,將CV與GA方法相結閤用來選取SVM分類器參數.該方法採用GA方法對SVM分類器參數進行優化,利用CV構造GA適應度函數,為SVM分類器參數選擇提供評價標準.併將其應用于變壓器故障診斷,從而充分利用有限的變壓器故障樣本數據,提高SVM分類器的推廣性.實例分析錶明同Grid與SVM相結閤,CV、Grid與SVM相結閤及GA與SVM相結閤的方法相比,所提方法具有更好的效果.
지지향량궤(Support Vector Machines,SVM)분류기재변압기고장진단중취득료교호적효과,연이대기성능기관건작용적삼수선택,각몰유이론의거혹유효방법.감우교차험증(Cross validation,CV)시모형성능평고화모형선택적유효방법,이유전산법(Genetic Algorithm,GA)가이실현전국심우,장CV여GA방법상결합용래선취SVM분류기삼수.해방법채용GA방법대SVM분류기삼수진행우화,이용CV구조GA괄응도함수,위SVM분류기삼수선택제공평개표준.병장기응용우변압기고장진단,종이충분이용유한적변압기고장양본수거,제고SVM분류기적추엄성.실례분석표명동Grid여SVM상결합,CV、Grid여SVM상결합급GA여SVM상결합적방법상비,소제방법구유경호적효과.
