抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
溶存ガス分析は電力用変圧器の故障を検出するための最も一般的な技術の一つである。既存診断法の大部分は,分類器を構築するための大量のラベル付きデータ集合のを必要とするであろう,ラベル無しデータの組なしで無視した正常にした。本論文では,半教師つき分類に基づく電力変圧器故障診断手法を提案した。その学習プロセスにおいて,良好な学習効果を作るように半教師つき分類法は同時にラベル付きデータ集合とラベル付けされていないデータセットを使用して,より多くの情報を獲得することができる。ファジィ最近傍ラベル伝搬(FNNLP SSC)を採用した半教師つき分類(SSC)法を採用した電力変圧器の故障を診断することであり,一方では,試料とそのK最近傍データ間の類似性結合に基づいて,提案した方法は,標識はラベル付きデータから伝搬するラベル付けしていないデータによりラベル付けされていないデータを分類する。実験は,本文の方法はC-平均(FCM)アルゴリズムと三比法IECと比較してより高い故障診断精度を持つ提案されていることを示した。また,変圧器故障診断における提案した方法の有効性と実現可能性を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】