文献

J-GLOBAL ID：201902283811348677   整理番号：19A1382632

画像強調技術に基づく電力品質擾乱特徴選択とパターン認識【JST・京大機械翻訳】

Power Quality Disturbance Feature Selection and Pattern Recognition Based on Image Enhancement Techniques

著者 (5件)： Lin Lin (College of Information and Control Engineering, Jilin Institute of Chemical Technology, Jilin, China) ,  Wang Da (Dezhou Power Supply Company, State Grid Shandong Electric Power Co., Ltd., Dezhou, China) ,  Zhao Shuye (State Grid Inner Mongolia Eastern Electric Power Co., Ltd., Economic and Technical Research Institute, Mongolia, China) ,  Chen Lingling (College of Information and Control Engineering, Jilin Institute of Chemical Technology, Jilin, China) ,  Huang Nantian (Key Laboratory of Modern Power System Simulation and Control and Renewable Energy Technology, Ministry of Education, Northeast Electric Power University, Jilin, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 67889-67904  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電力品質擾乱(PQD)同定の既存の研究において,信号処理の効率は低く,実用的応用解析の必要性を満たすことができない。さらに,特徴の効果的な解析の欠如のために,分類器の複雑さは増加し,分類の効率は冗長な特徴によって減少した。本論文において,これらの欠点を克服するために,画像強調技術と特徴重要性解析に基づくPQD認識方法を提案した。最初に,PQD信号を灰色画像に変換し,3つの画像強調技術には,ガンマ補正,エッジ検出,およびピークと谷検出を含み,擾乱特徴を強化するために用いた。次に,二値画像から外乱特徴を抽出し,元の特徴集合を構築し,各特徴の分類能力をGiniの重要性により測定した。Giniの重要性の降順に基づいて,配列順方向探索(SFS)法を特徴選択に用いて,最適特徴部分集合を決定した。最後に,ランダムフォレスト(RF)分類装置を,PQD信号を同定するために,最適特徴部分集合によって構築した。シミュレーションとコントラスト実験の結果は,新しい方法が最適分類サブセットを決定することができることを示して,それは異なるノイズ環境において効果的にPQD信号を認識した。さらに,新しい方法は,EMDおよびST法と比較して,より高い信号処理効率を有した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信号処理 ,  コントラスト ,  *画像 ,  二値画像 ,  部分集合 ,  *特徴選択 ,  *パターン認識 ,  *画像強調 ,  分類装置 ,  雑音 ,  冗長性 ,  エッジ検出
準シソーラス用語： ランダムフォレスト ,  ガンマ補正 ,  *電力品質擾乱 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 画像強調 ,  電力品質擾乱 ,  特徴選択 ,  パターン認識