基于支持向量機的水電故障分類器的設計與實現.pdf

1、水電故障紛繁復雜,傳統(tǒng)水電仿真系統(tǒng)中的推理機制已不能滿足實際需要,使用數據挖掘進行故障分類來代替原有的推理機制是對本領域新的嘗試。通過水電仿真系統(tǒng)的開發(fā),人們意識到傳統(tǒng)的故障仿真功能培訓學員意義有限,而且人為的設計并用計算機程序實現水電故障很難保證其準確性,這些缺陷催生新技術的應用。應用數據挖掘技術的支持向量機方法來進行水電故障分類研究對水電仿真系統(tǒng)的優(yōu)化以及實用性均具有重要的現實意義。
　　 本文首先將水電故障表示為最易理解的

2、自然語言形式,利用向量空間模型以及中文分詞技術并根據TF-IDF權值算法將故障描述為以詞為單位的加權向量形式。然后,針對水電故障的向量形式描述,本文采用支持向量機技術進行故障分類。本文還介紹了支持向量機的相關技術如核函數的選擇等,并詳細分析了針對多故障分類的支持向量機算法。
　　 為了提高水電故障分類的準確性,本文引入了半監(jiān)督學習方法,半監(jiān)督學習能更好的利用大量的無標識樣本數據,提高準確度的同時也兼顧效率。另外本文還提出了一種改