《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》

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

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。