基于点密度加权核模糊聚类的变压器故障诊断方法

变压器油中溶解气体分析(DGA)是电力变压器绝缘诊断的重要方法。针对模糊C-均值聚类算法(FCM)用于DGA时存在可分性差和等趋势划分等问题,用样本点分布密度大小作为权值,结合核函数的增强可分性,提出点密度加权模糊核C-均值聚类算法,并将其用于变压器DGA数据分析,从而实现变压器的故障诊断。实例分析结果表明该算法能快速、有效地对样本进行聚类,且特别适用于含有噪声样本的环境。

乘积匹配多项式的存在性

假若一个以点积为自变量的多项式不是再生核,则它无法在机器学习的核方法中使用.解决此问题的办法之一是匹配另外一个点积的多项式,使两者乘积成为再生核.在一定条件下,通过解一系列的不等式,得到匹配多项式存在的充分必要条件,并探讨与此条件相关的数列和生成函数列的性质.

基于点积-平移支持向量机的客运需求预测

提出一种适用于多影响因素回归拟合的全社会客运量预测的点积-平移型支持向量机算法.该算法能够全面、系统地分析影响客运量需求变化的关联因素,通过关联元素去冗处理,确定作为支持向量机算法输入变量的核心关联元素.考虑到客运量预测是一个基于时序变化的外推过程,并且受社会经济发展中多项影响因素的制约,数据变化存在着阶段性特征,提出利用点积-平移型核函数来拟合需求变化过程.对历史数据集的测试结果表明,该算法性能评价满足要求,可为远景客运量预测提供理论依据.