基于支持向量機的水電故障分類器的設計與實現(xiàn).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(shù)據(jù)挖掘進行故障分類來代替原有的推理機制是對本領(lǐng)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?qū)崿F(xiàn)水電故障很難保證其準確性,這些缺陷催生新技術(shù)的應用。應用數(shù)據(jù)挖掘技術(shù)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(xiàn)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(shù)并根據(jù)TF-IDF權(quán)值算法將故障描述為以詞為單位的加權(quán)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(shù)進行故障分類。本文還介紹了支持向量機的相關(guān)技術(shù)如核函數(shù)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(shù)據(jù),提高準確度的同時也兼顧效率。另外本文還提出了一種改