文献

J-GLOBAL ID：201302204861369446   整理番号：13A1156662

高度な免疫アルゴリズムを使用のサポートベクタマシンと最適化を利用した,電力品質イベントの特性化

Power quality event characterization using support vector machine and optimization using advanced immune algorithm

著者 (4件)： BISWAL B. (GMR Inst. of Technol., Rajam, Srikakulam , AP 532127, IND) ,  BISWAL M.k. (Silicon Inst. of Technol., Bhubaneswar, IND) ,  DASH P.k. (S’O’A Univ., Bhubaneswar, IND) ,  MISHRA S. (Indian Inst. of Technol., Delhi, IND)
資料名： Neurocomputing  (Neurocomputing)
巻： 103  ページ： 75-86  発行年： 2013年03月01日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では非定常の電力信号擾乱パターンの分類のために時間-時間変換(TT-変換)異形を提示する。TT-変換異形は,周知のS-変換から誘導され,0と1の間の値の一定の電力に上げられた周波数に幅がk逆比例である新しいウィンドウ関数を使用する。特徴は,電力信号パターンのTT-変換結果から誘導される。これらの特徴はカーネルベースのサポートベクタマシン(SVM)に基づいているクラスタリングの助けによる擾乱のタイプの自動認識に使用される。さらに,TT-SVMベースのパターン認識装置のクラスタリング性能は変更された免疫の最適化アルゴリズムで改良される。サポートベクトルのかなりの減少をもたらしている間,分類精度における改良を示すためにいくつかのテストケースを提供した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *系統擾乱 ,  キャラクタリゼーション ,  *サポートベクトルマシン ,  最適化手法 ,  クラスタ化 ,  *パターン認識 ,  精度
準シソーラス用語： クラスタリング ,  *電力品質擾乱 ,  免疫アルゴリズム

分類 (3件)： 磁気圏  (DC04060Z) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 免疫アルゴリズム ,  サポートベクタマシン ,  最適化 ,  電力品質 ,  イベント ,  特性化