资料下载
×
用于暂稳预测的支持向量机组合分类器及其可信度评估
消耗积分:0 |
格式:rar |
大小:0.80 MB |
2018-01-03
分享资料个
目前，利用数据挖掘方法进行电力系统暂态稳定分析的研究，所用数据集普遍存在失稳样本少的样本不均衡问题，且挖掘模型的参数选择困难，缺乏对预测结果可信度进行评价。针对以上问题，文章提出用于暂稳预测的支持向量机（support vector machine，SVM）组合分类器及其可信度评价方法。首先采用改进bootstrap抽样得到多个类别均衡的数据集，利用随机特征子空间技术进一步压缩数据集；然后用压缩后的数据训练得到多个SVM分类器，各SVM的参数在经验范围内随机选取；最后，通过综合多个SVM的概率输出，得到组合分类器的预测结果，并对结果可信度进行评价。通过算例分析表明，改进Bootstrap算法能够明显减少对失稳样本的漏判，所提出的SVM组合分类器具有较高的预测准确度和可信度。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
