《表2 不同算法分类准确率》
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Hilbert-huang变换和RVM的电能质量检测与分类》
在使用PSO算法优化RVM参数时,进化代数在35代找到了分类准确率的最优适应度值。之后该结果一直保持稳定不变,最终最优分类准确率为96.76%,对应的核函数宽度因子δ最优参数为0.648 2。然后使用优化参数后的RVM将测试集进行分类。最后随机生成PQ扰动信号,输入到PSO-RVM分类器中,进行识别检测,检测正确率为96.1%。同时对比了BP神经网络分类算法的准确性,如表2所示。
图表编号 | XD00197065100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.15 |
作者 | 何晓丽、刘立群 |
绘制单位 | 太原科技大学电子信息工程学院、太原科技大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |