HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于GA-SVM的电能质量扰动分类方法研究

作者:尹志勇; 陈永光; 桑博电能质量扰动分类遗传算法支持向量机

摘要:电能质量扰动的准确分类,是电能品质改善和治理的重要决策依据.为解决支持向量机(SVM)分类器在多分类问题中的不足,采用模式识别领域中聚类分析的思想,提出了一种基于遗传算法(GA)的SVM决策树多分类电能质量扰动识别方法.该方法首先对参数进行初步最优值筛选,将得到的初步最优值作为遗传算法初始值进行编码,根据设立的适应度函数完成GA中的选择、交叉、变异等操作,进一步搜索最优值,再以最优决策树构建SVM分类器,最终实现SVM的多分类.仿真结果表明,相比未经优化的SVM模型,基于GA算法优化的SVM具有较高的识别精度和抗噪能力.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

河北工业大学学报

《河北工业大学学报》(CN:13-1208/T)是一本有较高学术价值的双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《河北工业大学学报》主要刊登:化学工程、机械工程、动力工程、材料工程、土木工程、建筑学、电气及自动化工程、信息工程、计算机应用、数学、物理、管理工程等学科的论文。

杂志详情