组合核支持向量机在放电模式识别中的优化策略

摘要：

传统的单一核函数SVM无法实现局部放电中的多特征空间向量的映射分类,且目前SVM大都采用不同尺度的径向基函数作为核函数,核的调整空间较为有限,无法针对不同特征空间的放电参数达到普适的效果.针对上述问题,本文提出一种基于多分组特征的组合核多分类SVM的局部放电识别方法.该方法首先完成多类特征空间在不同类型SVM核函数中的映射分类,再采用骨干粒子群(BBPSO)优化方法选取最佳核参数,并求解核函数权值系数,最终形成最优核函数组合分类模型.实验结果表明,该方法对多个特征空间数据具有普适性,且融合效果理想,分类精度高于误差反向传播神经网络(BPNN)和SVM识别方法.

关键词：局部放电、组合核、支持向量机、骨干粒子群、模式识别

所属期刊栏目：30

分类号：TM85(高电压技术)

资助基金：中央高校基本科研专项资金2014ZD32,13MS69;国家自然科学基金61204027

在线出版日期：2015-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：229-236