《表A1电压暂降类别：基于深度置信网络的电压暂降特征提取及源辨识方法》

  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

《基于深度置信网络的电压暂降特征提取及源辨识方法》

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

使用PCA算法将使用S变换后提取的430组六维特征向量：矩形系数、三角形相似度、电压有效值、峭度、电压暂降最大幅值、波形总畸变率，降至二维时如图5所示。可以看出5类投影分布过于集中，根本无法区分。若只将这些数据划分为短路故障电压暂降、变压器投切电压暂降、电动机启动电压暂降这三大类，且将图中的虚线框中的特征集中区放大坐标尺进行观察，由图看出S变换方法提取的特征在仅划分为3类时，效果仍然不够理想：这些特征值分布较为集中，每类之间的距离较DBN方法相比大大缩小，边界模糊不易判定。像短路故障与变压器投切的特征向量二维投影有一部分是重合的，并且3种投影点除了集中的部分以外，还有很多毫无规律的投影分散地分布在周围，容易发生过拟合现象。这使得分类的难度大大增加，正确率严重受到影响。