《表4 PD信号识别结果：采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征》

  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

《采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征》

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

支持向量机（SVM）是一种基于VC维理论和SRM原则的机器学习方法，它特别适用于高维空间下的模式识别[-]2324。本文选择“一对一”SVM对4种典型缺陷UHF PD信号进行辨识。选择径向基核函数（radial basis function，RBF）作为SVM的核函数。RBF函数采用系统默认值。本文从4种缺陷特征集中随机选取100组数据作为训练样本，剩下的200组数据作为测试样本。作为对比，本文同时提取实数小波变换（real wavelet transform，RWT）能量特征向量、DT-CWT实部和虚部的高频层和低频层能量特征（high and low layer energy，HLE）向量进行PD辨识。辨识结果如表4所示。