小样本PD信号支持向量机模式识别方法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·局部放电模式识别的意义 | 第9页 |
| ·局部放电模式识别技术的发展现状 | 第9-11页 |
| ·论文完成的研究内容 | 第11-12页 |
| 第2章 支持向量机 | 第12-17页 |
| ·线性可分类支持向量机 | 第12-14页 |
| ·线性不可分类支持向量机 | 第14-16页 |
| ·支持向量机一对一分多分类法 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第3章 信号采集与特征提取 | 第17-27页 |
| ·局部放电模型 | 第17-19页 |
| ·信号采集线路及采集步骤 | 第19-21页 |
| ·局部放电信号采集线路 | 第19-20页 |
| ·实验步骤 | 第20-21页 |
| ·信号预处理 | 第21-22页 |
| ·信号特征提取方法 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 小样本局部放电信号模式识别 | 第27-38页 |
| ·支持向量机分类器 | 第27-34页 |
| ·核函数的选择 | 第27-28页 |
| ·支持向量机参数寻优 | 第28-30页 |
| ·权值和阈值 | 第30-32页 |
| ·支持向量机网络结构 | 第32-34页 |
| ·不同特征量时识别结果及分析 | 第34-36页 |
| ·信号消噪后未归一化的识别结果分析 | 第34-35页 |
| ·信号消噪后归一化的识别结果分析 | 第35-36页 |
| ·信号归一化与否的分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第5章 特征量分析 | 第38-45页 |
| ·特征量的相关系数和类间距离 | 第38-39页 |
| ·局部放电模式识别的特征选择 | 第39-41页 |
| ·识别结果 | 第41-42页 |
| ·支持向量机与BP 神经网络识别结果比较 | 第42-44页 |
| ·特征选择前的识别结果比较 | 第42-43页 |
| ·特征选择后的识别结果比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 信号特征量 | 第49-63页 |
| 攻读硕士期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
