【摘要】：針對(duì)電能質(zhì)量擾動(dòng)分類中冗余特征量造成分類器訓(xùn)練困難、分類準(zhǔn)確率下降的問(wèn)題,提出一種基于改進(jìn)遺傳算法的特征組合優(yōu)化方法。該方法對(duì)信號(hào)進(jìn)行小波變換,提取各層的改進(jìn)小波能量熵作為原始特征,并構(gòu)造一種基于歐氏距離的適應(yīng)度函數(shù),采用改進(jìn)的自適應(yīng)遺傳算法對(duì)原始特征進(jìn)行篩選和優(yōu)化組合,形成用于電能質(zhì)量擾動(dòng)分類的最優(yōu)特征組合。分別采用二分類-支持向量機(jī)法(Binary-SVM)、多標(biāo)簽徑向基神經(jīng)網(wǎng)絡(luò)(ML-RBF)和多標(biāo)簽K近鄰法(ML-KNN)對(duì)不同噪聲情況下的電能質(zhì)量單一擾動(dòng)和混合擾動(dòng)進(jìn)行分類,仿真結(jié)果驗(yàn)證了所提特征組合優(yōu)化方法能有效提高分類器的訓(xùn)練速度和分類準(zhǔn)確率。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳警眾;電能質(zhì)量講座 第四講 電能質(zhì)量改善措施的實(shí)際應(yīng)用[J];供用電;2001年01期

2 ;教育部電能質(zhì)量工程研究中心[J];安徽科技;2002年03期

3 奚s，

本文編號(hào)：2554901