《表4 不同缺陷类型的局放信号特征权重大小排序》

  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

《基于支持向量机递归特征消除的电缆局部放电特征寻优》

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

基于K-SVM-RFE算法对不同缺陷类型的局放信号特征权重大小排序结果见表4。由表4中排序结果显示，测试电压特征的重要性排名第一，反映出测试电压参数可以作为识别不同缺陷类型的最有效的特征参数。通过表1中对不同测试电压下不同缺陷类型的样本数据量的统计可以发现，在测试电压为5kV的情况下，统计的样本缺陷类型全部属于缺陷类型1；同样的，在测试电压为13kV的情况下，统计的样本缺陷类型全部属于缺陷类型2。在所有的样本统计数据中，只是通过“测试电压”这一个一维特征量就可以识别出样本中7.13%的样本数据，这也表明了“测试电压”可以有效地识别缺陷类型。而在基于K-SVM-RFE算法的重要性排序中，“测试电压”排在第一位，证实了基于K-SVM-RFE算法的有效性。电缆检测行业公认的相位图谱分析也验证了在重要性排序中排在第二位的二维特征“相角与极性的乘积”的有效性，证明了基于K-SVM-RFE特征寻优算法的有效性。