电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2013年
6期
27-31
,共5页
主成分分析%概率神经网络%变压器%局部放电%模式识别
主成分分析%概率神經網絡%變壓器%跼部放電%模式識彆
주성분분석%개솔신경망락%변압기%국부방전%모식식별
principal component analysis%probabilistic neural network%power transformers%partial discharge%pattern recognition
提出利用主成分分析(PCA)的方法对变压器局部放电原始特征参数进行降维,并提取出新的主成分因子.结果表明,提取出的主成分因子可以很好地表征原始特征向量.通过概率神经网络(PNN)分类器分别对降维前和降维后的特征向量进行训练和识别.研究发现,提取出的新因子有效缓解了分类器负担,且PNN分类器的识别效果良好,优于传统BP神经网络分类器.
提齣利用主成分分析(PCA)的方法對變壓器跼部放電原始特徵參數進行降維,併提取齣新的主成分因子.結果錶明,提取齣的主成分因子可以很好地錶徵原始特徵嚮量.通過概率神經網絡(PNN)分類器分彆對降維前和降維後的特徵嚮量進行訓練和識彆.研究髮現,提取齣的新因子有效緩解瞭分類器負擔,且PNN分類器的識彆效果良好,優于傳統BP神經網絡分類器.
제출이용주성분분석(PCA)적방법대변압기국부방전원시특정삼수진행강유,병제취출신적주성분인자.결과표명,제취출적주성분인자가이흔호지표정원시특정향량.통과개솔신경망락(PNN)분류기분별대강유전화강유후적특정향량진행훈련화식별.연구발현,제취출적신인자유효완해료분류기부담,차PNN분류기적식별효과량호,우우전통BP신경망락분류기.
