【摘要】：集成分類是利用分類器互補關系有效提高泛化能力的多分類器集成方法,日益成為機器學習的新的研究方向,在多個領域得到了有效應用。集成分類器性能指標關鍵在于兩個方面因素的制約:一是個體分類器的精度,二是成員分類器相互間的差異化。目前大部分算法設計都是通過擾動訓練集并以此來設計差異性較大的基分類器,如Bagging與Boosting算法等。如何獲取成員分類器相互間較大差異化的同時提高成員分類器的精度,是當前集成學習研究的熱點。本文提出了一種基于Bagging的兩階段特征選擇集成分類器,從差異化成員分類器和提高成員分類器精度兩個方面考慮,進一步提高集成效果。該集成分類器通過兩階段特征選擇雙重擾動訓練集來提高個體分類器的精度和多樣性,并選擇性集成差異較大的個體分類器,最終運用加權投票思想輸出分類結果。該集成分類器已運用于局部放電故障診斷的實際應用中,能有效地識別局部放電的類型,及時準確地對變壓器的絕緣狀況進行評估。主要工作如下:(1)提出了一種改進的集成分類器,通過融合Bagging算法和兩階段特征選擇相結合方法來雙重擾動訓練集,來構建不同的輸入空間,達到提高個體分類器多樣性和精度的目的。(2)采用IAS算法對成員分類器進行差異化選擇,并再次選用遺傳算法擇優(yōu),加權輸出最終結果。實驗表明,本集成分類器較其他集成分類器能獲得較優(yōu)的個體分類器精度和較大差異性的個體分類器組合。(3)在局部放電故障診斷實際問題中驗證了本集成分類器。通過實驗選擇了熵值法、互信息、特征增減法作為兩階段方法的構成元素,選用SVM算法作為構建方法。實驗表明,該集成分類器能較準確地識別出放電類別。同時,本集成分類器作為某商用變壓器局放故障檢測產(chǎn)品的內(nèi)嵌掛塊得到了應用。
[Abstract]:Ensemble classification is a multi-classifier ensemble method which can effectively improve generalization ability by using the complementary relationship of classifiers. It has become a new research direction of machine learning and has been effectively applied in many fields. The performance index of integrated classifier is restricted by two factors: the accuracy of individual classifier and the difference between member classifiers. At present, most algorithms are designed by perturbation training set to design the base classifier, such as Bagging and Boosting algorithms. How to obtain greater differences between member classifiers and improve the accuracy of member classifiers is a hot topic in the field of integrated learning. In this paper, a two-stage feature selection ensemble classifier based on Bagging is proposed. Considering the difference member classifier and improving the precision of the member classifier, the ensemble effect can be further improved. This ensemble classifier improves the accuracy and diversity of individual classifiers by selecting a dual disturbance training set for two-stage feature selection and selectively integrates individual classifiers with large differences. Finally the weighted voting idea is used to output the classification results. The integrated classifier has been applied to the practical application of partial discharge fault diagnosis. It can effectively identify the type of partial discharge and evaluate the insulation condition of transformer in time and accurately. The main work is as follows: (1) an improved ensemble classifier is proposed, which combines the Bagging algorithm and the two-stage feature selection method to construct different input space. To improve the diversity and accuracy of individual classifier. (2) IAS algorithm is used to select the member classifier and genetic algorithm is used again to select the best and the final result is weighted. The experimental results show that the ensemble classifier can obtain better individual classifier accuracy and more different individual classifier combination than other integrated classifiers. (3) this integrated classifier is verified in the practical problem of partial discharge fault diagnosis. The entropy method, mutual information method, feature addition and subtraction method are selected as the components of the two-stage method, and the SVM algorithm is chosen as the construction method. The experimental results show that the integrated classifier can identify the discharge types more accurately. At the same time, the integrated classifier is used as the embedded block of a commercial transformer PD fault detection product.
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 朱玉蓮;;局部Bagging方法及其在人臉識別中的應用(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2010年03期

2 王立;朱學峰;;一種基于迭代Bagging的回歸算法[J];控制工程;2009年01期

3 謝元澄;楊靜宇;;刪除最差基學習器來層次修剪Bagging集成[J];計算機研究與發(fā)展;2009年02期

4 李明方;張化祥;;針對不平衡數(shù)據(jù)集的Bagging改進算法[J];計算機工程與應用;2010年30期

5 劉青,李海峰,袁科;微陣列數(shù)據(jù)中一種改進Bagging決策樹算法的研究[J];計算機工程與科學;2005年06期

6 張震,胡捍英;基于屬性Bagging kNN性能的增強[J];計算機工程;2005年15期

7 謝元澄;楊靜宇;;基于基學習器差異度的層次化Bagging集成修剪[J];信息與控制;2009年04期

8 秦姣龍;王蔚;;Bagging組合的不平衡數(shù)據(jù)分類方法[J];計算機工程;2011年14期

9 趙蘇;李秀;劉文煌;;基于分類器性能評價的Bagging文本分類算法[J];計算機工程;2008年01期

10 魏浩;丁要軍;;屬性相關選擇和Bagging算法在入侵檢測中的應用[J];電子測試;2014年06期

相關會議論文 前10條

1 鈕冰;陸文聰;金雨歡;;利用Bagging算法預測生物膜蛋白類型[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

2 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術會議論文集[C];2009年

3 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

4 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

5 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

6 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(英文)[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2006年

7 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關”的說話人辨認[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

8 謝秋玲;;應用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術年會論文集[C];2006年

9 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

10 李蘭春;王雙成;杜瑞杰;;認知結構評估的動態(tài)貝葉斯網(wǎng)絡分類器方法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

相關重要報紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

相關博士學位論文 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學;2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學;2014年

3 許勁松;智能交通中目標檢測與分類關鍵技術研究[D];南京理工大學;2014年

4 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學;2015年

5 任亞峰;基于標注和未標注數(shù)椐的虛假評論識別研究[D];武漢大學;2015年

6 曹鵬;不均衡數(shù)據(jù)分類方法的研究[D];東北大學;2014年

7 劉明;分類器組合技術研究及其在人機交互系統(tǒng)中的應用[D];北京交通大學;2008年

8 嚴志永;在劃分數(shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學;2011年

9 王U，

本文編號：2186434