机译:使用具有优化时频内核的支持向量机对电能质量扰动进行分类
Department of Electronics and Instrumentation Engineering,Institute of Technical Education and Research (ITER),Siksha O Anusandhan University,Bhubaneswar, Odisha 751030, India;
Department of Electrical Engineering,Indian Institute of Technology,Kharagour, West Bengal 721302, India;
Department of Electrical Engineering,Indian Institute of Technology,Kharagour, West Bengal 721302, India;
Department of Instrumentation and Electronics Engineering,College of Engineering and Technology,Techno Campus, Bhubaneswar, Odisha 751003, India;
power quality; PQ; signal classification; support vector machines; SVM; time-frequency kernels; stochastic genetic algorithm; StGA;
机译:使用支持向量机对电力系统频率和电力系统外部频率的电能质量扰动进行分类
机译:使用支持向量机对电能质量扰动进行分类并比较分类性能
机译:基于S转换的S-Transform和Type-2模糊内核的实现,用于电力质量事件分类的支持向量机算法
机译:利用小波变换,决策树算法和支持向量机对电能质量扰动进行检测和分类
机译:支持向量机与小波核的基于神经影像的模态机器学习
机译:最小二乘支持向量机方法和时频表示优化的自抗干扰控制在电压源变换器-高压直流系统中的应用
机译:基于支持向量机的经验小波变换模式分解用于电能质量扰动分类的性能比较。
机译:通过增量近似最近支持向量快速查询优化的内核机器分类