沈阳农业大学学报
瀋暘農業大學學報
침양농업대학학보
JOURNAL OF SHENYANG AGRICULTURAL UNIVERSITY
2008年
5期
638-640
,共3页
支持向量机%电气设备运行状态%图像识别%C-均值聚类法
支持嚮量機%電氣設備運行狀態%圖像識彆%C-均值聚類法
지지향량궤%전기설비운행상태%도상식별%C-균치취류법
针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中.首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;冉利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别.试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能.不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别.
針對電氣設備運行狀態圖像的特點,提齣將支持嚮量機(SVM)分類器應用于多種電氣設備運行狀態識彆中.首先利用C-均值聚類法,分割齣運行狀態指示牌的漢字或數字部分;冉利用K-L變換提取齣運行狀態的特徵嚮量;最後利用支持嚮量機分類方法進行狀態識彆.試驗結果錶明:支持嚮量機分類方法對于小樣本情況,具有良好的分類能力,適閤多種電氣設備運行狀態的分類,併能穫得比神經網絡方法更好的識彆性能.不同的分類覈函數的相互比較分析錶明,Sigmoid覈函數最適閤電氣設備運行狀態的分類識彆.
침대전기설비운행상태도상적특점,제출장지지향량궤(SVM)분류기응용우다충전기설비운행상태식별중.수선이용C-균치취류법,분할출운행상태지시패적한자혹수자부분;염이용K-L변환제취출운행상태적특정향량;최후이용지지향량궤분류방법진행상태식별.시험결과표명:지지향량궤분류방법대우소양본정황,구유량호적분류능력,괄합다충전기설비운행상태적분류,병능획득비신경망락방법경호적식별성능.불동적분류핵함수적상호비교분석표명,Sigmoid핵함수최괄합전기설비운행상태적분류식별.
