期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进PSO-SVM的电能计量装置异常状态识别研究 被引量：7
1
作者 周松 李川 李英娜 《电力科学与工程》 2021年第3期39-46,共8页
电能计量装置出现异常状态后最终表现上传的数据异常,利用计量系统自动化数据进行分析,尽早识别装置异常有利于供电企业进行装置检修,提升运维能力。针对异常数据,人工使用判断规则对其进行诊断需要大量时间,计量装置出现问题后不能及... 电能计量装置出现异常状态后最终表现上传的数据异常,利用计量系统自动化数据进行分析,尽早识别装置异常有利于供电企业进行装置检修,提升运维能力。针对异常数据,人工使用判断规则对其进行诊断需要大量时间,计量装置出现问题后不能及时发现的问题,对已标记的异常数据进行研究,使用PSO-SVM模型对计量数据进行分析,判别装置状态异常。首先,针对粒子群算法易陷入局部最优的问题,将粒子移动的权重更新方式结合当前粒子的迭代次数和适应度值进行动态改变;其次,引入偏二叉树结构的支持向量机分类模型,并且树中每层的分类器使用改进后的粒子群算法寻找分类最佳超参数,增加分类准确率;最后,使用电能计量装置对改进的PSO-SVM模型进行验证,结果表明该方法能够较好地识别出异常数据。 展开更多
关键词 电能计量装置 异常识别 自适应权重粒子群 二叉树svm
在线阅读 下载PDF
数据集不均衡下的设备故障程度识别方法研究 被引量：14
2
作者 段礼祥 郭晗 王金江 《振动与冲击》 EI CSCD 北大核心 2016年第20期178-182,共5页
在机械故障诊断中,由于故障样本难以收集且数量远远少于正常样本,即产生数据集不均衡问题。这将导致传统的分类算法如支持向量机(SVM)在处理不均衡分类问题时对少数类样本(故障样本)的分类准确率过低。加权支持向量机(C-SVM)算法是一种... 在机械故障诊断中,由于故障样本难以收集且数量远远少于正常样本,即产生数据集不均衡问题。这将导致传统的分类算法如支持向量机(SVM)在处理不均衡分类问题时对少数类样本(故障样本)的分类准确率过低。加权支持向量机(C-SVM)算法是一种处理样本集不均衡问题的常用算法,可以在一定程度上改善少数类样本的分类准确率。但是在故障程度相近时会导致样本间距过小,加权C-SVM算法对这类故障样本的识别精度不理想。为提高数据集不均衡下故障程度相近样本的分类准确率,采用二叉树结构与加权C-SVM相结合的方法,综合考虑样本类间距离、类内距离和不均衡程度,优化二叉树结构。结果表明,该算法能够有效处理样本距离过近的不均衡数据集分类问题,从而提高了故障程度相近样本的分类准确率。 展开更多
关键词 故障诊断 故障程度识别 数据集不均衡 二叉树加权支持向量机
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部