计算机科学 ›› 2015, Vol. 42 ›› Issue (5): 234-236.doi: 10.11896/j.issn.1002-137X.2015.05.047
马苹苹,黄文清
MA Ping-ping and HUANG Wen-qing
摘要： 针对相关向量机(RVM)计算复杂度大、训练时间长的问题,提出一种基于快速相关向量机(FRVM)的优化算法,其大大减少了相关向量机的训练时间,提高了分类的精度。将它应用于电能质量扰动分类中,首先对电能质量扰动信号进行基于小波变换的时频分析,提取小波变换各层信号的能量与标准信号的能量之差组成特征向量；然后用FRVM对特征量进行分类,进而实现基于小波变换和FRVM的电能质量扰动分类新方法。实验仿真验证了该方法能够对各类电能质量扰动信号进行分类,并且其分类效率和准确率均优于传统的相关向量机分类方法。
| [1] Santoso S,Grady W M,Powers E J,et al.Characterization of distribution power quality events with Fourier and wavelet transforms[J].IEEE Trans.Power Del,2000,15(1):247-254 [2] 覃思师,刘前进.基于STFT变换和DAGSVMs的电能质量扰动识别[J].电力系统保护与控制,2011,39(1):83-86 [3] 胡为兵,李开成,张明,等.基于小波变换和分形理论的电能质量扰动监控系统[J].电网技术,2008,32(12):51-55 [4] 赵凤展,杨仁刚.基于s变换和时域分析的电能质量扰动识别[J].电网技术,2006,30(8):90-94 [5] Reaz M,Choong F,Sulaiman M.Expert system for power quality disturbance classifier[J].IEEE Transactions on Power Delive-ry,2007,22(3):1979-1988 [6] 赵静,何正友,贾勇,等.基于高阶累积量的暂态电能质量扰动分类研究[J].电网技术,2011,35(5):103-109 [7] 赵立权,谢妮娜.基于小波变换和改进的RVM的电能质量扰动分类[J].电工电能新技术,2013,32(4):74-78 [8] 姚建刚,郭知非,陈锦攀.基于小波和BP神经网络的电能扰动分类新方法[J].电网技术,2012,36(5):139-144 [9] 沈跃,刘国海,刘慧.基于改进S变换和贝叶斯相关向量机的电能质量扰动识别[J].控制与决策,2011,26(4):587-591 [10] Bishop C M,Tipping M E.Variational Relevance Vector Machines[R].Uncertainty in Artificial Intelligence Proceedings,2000 [11] 刘志刚,李德仁,秦前清,等.支持向量机在多类分类 问题中的推广[J].计算机工程与应用,2004(7):10-13 [12] Tipping M E,Faul A C.Fast marginal likelihood maximisation for sparse Bayesian models[C]∥Bishop C M.Frey B J.eds.,Proceedings of the Ninth International Workshop on Artificial Intelligence and Statistics,Key West,FL,2003 |
| No related articles found! |
|
||
首页