基于熵变的DAG-SVMs的组合策略

为了降低传统的有向无环图支持向量机(DAG-SVMs)多类分类方法在模型构建过程中节点选择的随机性,提高最终分类结果的准确率,提出了一种基于熵变的有向无环图支持向量机(E-DAG-SVMs)的组合策略。该策略通过计算各支持向量机在分割样本集时引发的熵变,依据信息增益最大化原则来决定节点的选择,进而构建多类分类模型。实验结果表明了该策略的有效性。

基于短期SF_6气体分解产物数据的绝缘故障诊断研究

维护电力系统中气体绝缘封闭组合开关设备的稳定运行,通过SF_6气体分解组分对设备绝缘状态进行早期的故障诊断是其中关键步骤。为了提升短期SF_6数据存在识别率不高技术难点,首先提出基于信息熵理论和主成分分析法的综合评价方法。然后建立数据变量特征评价模型,对于气体特征量选取有指导意义。其次通过搭建局部放电实验平台对SF_6气体进行分解实验,得到的短期数据进行方法验证。最后,使用原数据与通过验证后新特征变量数据进行多分类SVM分类比对,结果表明,满足评价模型数据可以提高其识别正确率。