文献

J-GLOBAL ID：201702270712582476   整理番号：17A0102789

形態的ウェーブレット変換とサポートベクトルマシンに基づく電力品質分類の研究【JST・京大機械翻訳】

Research on classification of power quality based on norm entropy of morphological wavelet and support vector machine

著者 (3件)： Li Mengshi (School of Electric Power,South China University of Technology) ,  Wang Xuejian (School of Electric Power,South China University of Technology) ,  Ji Tianyao (School of Electric Power,South China University of Technology)
資料名： Dianji yu Kongzhi Xuebao  (Dianji yu Kongzhi Xuebao)
巻： 20  号： 9  ページ： 33-39  発行年： 2016年 
JST資料番号： C2500A  ISSN： 1007-449X  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： 電力品質信号の分類には,実時間性と低精度の問題がある。HMT(HIT OR MISS TRANSFORM)ウェーブレットエントロピー(エントロピー ENTROPY,NE)とサポートベクトルマシン(SUPPORT VECTOR MACHINE,SVM)に基づく電力品質擾乱の識別方法を提案した。まず第一に,ウェーブレットエネルギー分解の各層のエネルギー特性に従って,10層のウェーブレット分解による擾乱信号の固有値行列を構築した。特徴量は摂動信号フラクタルに対する役割を果たし,これをSVMの入力とする.分類精度を改善するために,粒子群最適化(PSO)を用いてSVMパラメータを最適化し,分類精度は99%に達した。同時に,HMTウェーブレットと従来のDB4ウェーブレットとSVMの間の精度を比較し,HMTウェーブレットの優位性と本論文の特徴抽出法の有効性を証明した。雑音を含む電力品質信号に対して,一般化モルフォロジーフィルタを用いてフィルタリングプレプロセッシングを処理した。シミュレーション結果は,この方法が高精度と安定性を持ち,電力品質擾乱同定システムに適用できることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  最適化 ,  *サポートベクトルマシン ,  フラクタル ,  *波束 ,  固有値 ,  *電力品質 ,  特徴抽出 ,  *ウェーブレット変換 ,  摂動
準シソーラス用語： 高精度 ,  粒子群最適化 ,  分類精度 ,  特徴量 ,  電力品質擾乱 , 【Automatic Indexing@JST】

著者キーワード (5件)： power quality ,  morphology wavelet ,  norm entropy ,  support vector machine ,  disturbance classification

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 形態 ,  ウェーブレット変換 ,  サポートベクトルマシン ,  電力品質 ,  分類 ,  研究