《表2 基于统计特征的概率神经网络识别效果》
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
《基于灰度图中心矩与概率神经网络分类器的局部放电模式识别》
从以上对比可见,基于HMM模型的分类方法需要首先将特征进行矢量量化,量化的结果直接影响着分类的效果,Bayes方法使用前需要对特征进行离散化,离散化的结果对分类结果起着至关重要的作用,而对不同特征,如何进行最优的离散,还需进一步的研究。而PNN由其实现的原理可知当增加训练样本时无需重新训练,影响因子仅与激活函数的扩展系数δ有关,使用前无需对特征进行离散、矢量化处理。从实验也表明基于矩特征与PNN相结合对针对开关柜所采集放电类型识别效果最好。
图表编号 | XD0077425700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 章坚 |
绘制单位 | 广东电网有限责任公司中山供电局 |
更多格式 | 高清、无水印(增值服务) |