《表1 信号整体分类准确率对比表》

  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

《基于能量差和支持向量机的电网扰动分类识别研究》

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

特征向量分别选取FV和ΔW二种情况，计算整体分类准备率，结果见表1。由表1也可以看出:噪声对分类识别的效果影响较大；在无噪声情况下，无论采用哪种特征向量，分类效果都满足要求，但有噪声干扰后ΔW的优势较明显。因此，选用ΔW作为特征向量的分类效果较好，分类准确率较高，在有噪声的情况下能取得理想的效果，由此证明此方法的鲁棒性较强。