-
题名基于多层卷积神经网络的变电站异常场景识别算法
被引量:11
- 1
-
-
作者
孟格格
高强
-
机构
华北电力大学电气与电子工程学院
-
出处
《电测与仪表》
北大核心
2018年第5期46-50,共5页
-
文摘
针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中。依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络结构中难以识别的样本,重新进行特征的提取并训练下一层的网络,形成多层卷积神经网络结构,达到提高识别率的目的。在MNIST手写体数据库上对不同规模样本数进行实验,结果表明M_CNN模型在针对小样本识别时具有一定优越性,最后,将M_CNN模型应用在变电站异常场景识别中,取得了良好的效果。
-
关键词
置信度
多层卷积神经网络
小样本
变电站
异常场景识别
-
Keywords
confidence
multi-layer convolution neural network
small samples
substation
recognition of abnormal scene
-
分类号
TM769
[电气工程—电力系统及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-