文献

J-GLOBAL ID：201702286403670752   整理番号：17A0172081

改良マルチ分類アルゴリズムと関連ベクトルマシンに基づく電力変圧器の故障診断方法【JST・京大機械翻訳】

Fault Diagnosis Method of Power Transformers Using Improved Multi-class Classification Algorithm and Relevance Vector Machine

著者 (3件)： Wu Kun (Department of Equipment Command and Management, Mechanical Engineering College) ,  Kang Jianshe (Department of Equipment Command and Management, Mechanical Engineering College) ,  Chi Kuo (Department of Equipment Command and Management, Mechanical Engineering College)
資料名： Gaodianya Jishu  (Gaodianya Jishu)
巻： 42  号： 9  ページ： 3011-3017  発行年： 2016年 
JST資料番号： C2121A  ISSN： 1003-6520  CODEN： GAJIE5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 電力変圧器の故障診断の実際の特性とサポートベクトルマシン(SVM)法の条件を考慮して,改良マルチ分類アルゴリズムと関連ベクトルマシンに基づく知的故障診断法を提案した。この方法は,1対1と1対1の分類アルゴリズムの構造特性を統合して,既存の一対一アルゴリズムの最大投票戦略を改良して,2つの最大投票戦略を提案して,K-分類問題をK(K-1)/2つの三分類子問題に変換した。最終的に,1対1の改良マルチ分類アルゴリズムを設計する。同時に,三分類子の問題を解決するために,二つの分類装置として包括的性能を使用することによって,分類性能をサポートベクトルマシン(SVM)によって分類して,次に,K分類のマルチ分類を実現するために,一対一アルゴリズムに基づく三つの分類を実行した。電力変圧器の故障診断の結果と理論解析により,この知的故障診断法が以下の利点を持つことを示した。診断正確率は5%以上向上し、ほとんどの無効投票を除去し、投票結果を最適化でき、サンプルの信頼性レベルを著しく増強でき、未知故障タイプの精度を20%以上向上させ、多重故障タイプの診断性能を有する。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  構造特性 ,  分類装置 ,  *電力変圧器 ,  信頼性 ,  *アルゴリズム ,  *故障診断 ,  *故障 ,  投票 ,  サポートベクトルマシン
準シソーラス用語： 診断効率 ,  理論解析 ,  分類子 ,  *関連ベクトルマシン ,  *分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： fault diagnosis ,  relevance vector machine ,  one-against-one ,  one-against-rest ,  multi-class classification ,  power transformers

分類 (2件)： 人工知能  (JE08000Z) ,  変圧器  (NB08020Q)

タイトルに関連する用語 (5件)： マルチ分類 ,  アルゴリズム ,  関連ベクトルマシン ,  電力変圧器 ,  故障診断