基于简约集支持向量机的高光谱影像分类

针对高光谱影像支持向量机分类的预测过程中需要花费大量计算时间的问题,提出了一种利用简约集算法提高高光谱影像分类预测效率的方法。采用径向基核函数,使用一对一构造多类支持向量机分类器,通过交叉验证网格搜索法对参数进行模型参数选择,并利用简约集算法来减少分类预测过程计算量。通过高光谱影像分类试验表明,保持支持向量机的泛化能力并不需要使用所有计算得到的支持向量,简约集算法能够在保持分类预测精度的同时,大大提高高光谱影像分类预测的速度。

基于简约集向量的Takagi-Sugeno模糊模型

利用支持向量学习机制建立模糊模型时,过多的支持向量将导致复杂的模糊模型.为此提出了一种基于简约集向量的Takagi-Sugeno模糊模型.该模型抽取简约集向量产生模糊规则,规则前件的乘积型多维模糊隶属度函数直接由Mercer核构成,而规则后件则采用非线性函数.模型的结构和参数可通过自下而上的简化规则以及不敏感学习进行有效地辨识.最终得到的模糊模型具有良好的推广能力与精确性,同时拥有高透明度的模糊规则库.通过二维sinc函数的逼近及球棍系统的模糊控制的仿真实例,说明了提出模型的有效性.

基于简约参数集的输电线路状态评价方法研究

为提升对输电线路状态评价的准确、全面、可靠性,开展输电线路状态检修和智能化运行维护,提出了一种基于简约参数集的输电线路状态评价方法。该方法结合南方电网现有的输电线路评价导则、规程规范、缺陷库等,提取输电线路状态基础参数体系,在此基础上,构建了能够表征输电线路状态的简约参数集,以此作为输电线路状态评价的参量来源。通过对南方电网某500 k V输电线路进行实例验证,并将评价结果与现有导则进行对比,验证了该方法的有效性和准确性,大大提升了状态评价的效率。