基于ML loss的SVM分类算法

SVM的损失函数可以保证分类结果的高置信度,但同时是一个无界的凸函数,导致受噪声的影响较大。为了提高SVM在噪声环境下的分类效果,提出使用结合了pinball和LS损失函数的ML loss来降低对噪声的敏感性,将其应用到SVM中得到MLSVM模型。根据LS损失函数具有结构风险最小化的特性和等式约束来简化求解过程,然后使用pinball损失函数根据分类样本之间的最大分位数距离来确定分类超平面,再使用拉格朗日函数等方法求解MLSVM的目标函数和分类超平面。在数据集上的实验表明,相比于hinge SVM等模型,MLSVM可以降低对数据中噪声的敏感性,提升对含噪数据的分类性能。

基于多层支持矢量机的金属氧化物避雷器在线监测系统

研究了基于多层矢量机(MLSVM)的金属氧化物避雷器在线状态监测系统,并对新投运的表面清洁的避雷器、紫外辐射老化避雷器、表面染污避雷器及压敏电阻老化避雷器进行试验研究,再提取特征量ir1/it1、it3/it5和ir3/ir5。其中比值ir1/it1可表征金属氧化物避雷器外部染污故障;比值it3/it5可表征金属氧化物避雷器压敏电阻老化故障;比值ir3/ir5作为避雷器紫外辐射老化故障衡量指标。将60%的测试数据用于训练MLSVM分类器,在分类器经训练后,将其余测试样本输入到MLSVM中,对样本进行分类。将分类结果与实际故障情况进行比对可知,MLSVM分类器具有良好的性能,可区分避雷器的不同故障状态,准确诊断避雷器的运行状况。