一种SOM和GRNN结合的模式全自动分类新方法

非监督学习算法的分类精度通常很难令人满意,而监督的学习算法需要人工选取训练样本,这有时很难得到,并且其分类精度直接依赖于所选取的学习样本。针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法。新方法首先通过SOMNN将原始数据进行自动聚类,再用所得的聚类中心以及中心邻近数据点训练GRNN,然后根据GRNN的分类结果重新计算聚类中心,再根据新的聚类中心和中心邻近点训练GRNN,如此反复,直至得到稳定的中心为止。Iris数据,Wine数据的实验结果都验证了新方法的可行性。

配电网故障处理及馈线自动化研究

从中国配电网的发展现状出发,对配电自动化在我国智能电网发展中的重要地位进行了分析,阐述了馈线自动化技术在配电网故障处理中的应用,分析了配电网馈线自动化分类,对比了不同模式的优缺点,提出了基于FTU的馈线自动化系统实现方案,最后对我国智能配电网发展进行展望,从而为我国配电自动化系统提供参考,促进我国向着更加智能化、现代化的方向发展。