江西科学
江西科學
강서과학
JIANGXI SCIENCE
2014年
6期
884-889,926
,共7页
张安安%郑萍%方琳%彭嵩松
張安安%鄭萍%方琳%彭嵩鬆
장안안%정평%방림%팽숭송
训练集%样本%SVDD%样本剪辑%电能质量扰动信号识别
訓練集%樣本%SVDD%樣本剪輯%電能質量擾動信號識彆
훈련집%양본%SVDD%양본전집%전능질량우동신호식별
通常对于大数据的学习问题,需要选择一个训练集的子集来进行学习,以降低问题本身的时间和空间复杂性有很多学者从样本的近邻出发来选择样本,根据样本的近邻特点寻找位于靠近分类面的样本.对于SVDD(Support Vector Data Description)算法而言,只有位于数据集边缘区域的样本对学习结果有影响提出了通过估计样本领域样本概率的方式来判断样本在数据集里的位置,位于数据集边缘区域的样本概率要明显小于位于数据集内部样本的概率,通过删除位于数据集内部的样本可以大大降低数据集的规模,在不降低算法的性能时,降低训练模型的复杂度,提高识别速度和算法的学习速度.并在实时性要求比较高的电能扰动信号识别方面,得到了很好的应用.
通常對于大數據的學習問題,需要選擇一箇訓練集的子集來進行學習,以降低問題本身的時間和空間複雜性有很多學者從樣本的近鄰齣髮來選擇樣本,根據樣本的近鄰特點尋找位于靠近分類麵的樣本.對于SVDD(Support Vector Data Description)算法而言,隻有位于數據集邊緣區域的樣本對學習結果有影響提齣瞭通過估計樣本領域樣本概率的方式來判斷樣本在數據集裏的位置,位于數據集邊緣區域的樣本概率要明顯小于位于數據集內部樣本的概率,通過刪除位于數據集內部的樣本可以大大降低數據集的規模,在不降低算法的性能時,降低訓練模型的複雜度,提高識彆速度和算法的學習速度.併在實時性要求比較高的電能擾動信號識彆方麵,得到瞭很好的應用.
통상대우대수거적학습문제,수요선택일개훈련집적자집래진행학습,이강저문제본신적시간화공간복잡성유흔다학자종양본적근린출발래선택양본,근거양본적근린특점심조위우고근분류면적양본.대우SVDD(Support Vector Data Description)산법이언,지유위우수거집변연구역적양본대학습결과유영향제출료통과고계양본영역양본개솔적방식래판단양본재수거집리적위치,위우수거집변연구역적양본개솔요명현소우위우수거집내부양본적개솔,통과산제위우수거집내부적양본가이대대강저수거집적규모,재불강저산법적성능시,강저훈련모형적복잡도,제고식별속도화산법적학습속도.병재실시성요구비교고적전능우동신호식별방면,득도료흔호적응용.