重庆工学院学报(自然科学版)
重慶工學院學報(自然科學版)
중경공학원학보(자연과학판)
JOURNAL OF CHONGQING INSTITUTE OF TECHNOLOGY
2009年
12期
98-101
,共4页
神经网络%支持向量机%协同训练%电力变压器%故障诊断
神經網絡%支持嚮量機%協同訓練%電力變壓器%故障診斷
신경망락%지지향량궤%협동훈련%전력변압기%고장진단
基于半监督学习思想,将协同训练的机制引入到故障诊断的学习中,采用多个不同的分类算法协同训练,提高电力变压器故障诊断的准确率.采用BP+SVM的多个训练器协同工作,目的是克服单个算法的准确性不高的缺点.将实例分析的结果与传统的BP算法的结果进行比较.结果表明,该算法能有效地对电力变压器单故障样本进行分类,具有较高的诊断准确率.
基于半鑑督學習思想,將協同訓練的機製引入到故障診斷的學習中,採用多箇不同的分類算法協同訓練,提高電力變壓器故障診斷的準確率.採用BP+SVM的多箇訓練器協同工作,目的是剋服單箇算法的準確性不高的缺點.將實例分析的結果與傳統的BP算法的結果進行比較.結果錶明,該算法能有效地對電力變壓器單故障樣本進行分類,具有較高的診斷準確率.
기우반감독학습사상,장협동훈련적궤제인입도고장진단적학습중,채용다개불동적분류산법협동훈련,제고전력변압기고장진단적준학솔.채용BP+SVM적다개훈련기협동공작,목적시극복단개산법적준학성불고적결점.장실례분석적결과여전통적BP산법적결과진행비교.결과표명,해산법능유효지대전력변압기단고장양본진행분류,구유교고적진단준학솔.
