《表3 基于GWO的SVM参数寻优结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GWO-SVM的电压暂降扰动源识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对6类电压暂降扰动信号，基于S变换提取每类扰动信号的8个特征量，构建特征空间。建立的支持向量机分类器采用一对余（One versus rest，OVR）拓扑结构，对于支持向量机的惩罚因子C和核函数参数γ采用GWO进行组合寻优。参数C和γ的取值范围均为{2-5，2-4，2-3，……，23，24，25}，采用10倍交叉验证划分样本空间，以错误率为评判依据，迭代寻求最小识别错误率时对应的参数组合，结果如表3所示，错误率最小为0.5%（即最优识别正确率为:99.5%）。