-
题名基于约束投票极限学习机的在线静态电压稳定评估
被引量：1
- 1
-
-
作者
汤迎春
晏光辉
张雅婷
刘书池
刘颂凯
张磊
-
机构
国网孝感供电公司
三峡大学电气与新能源学院
-
出处
《现代电力》
北大核心
2022年第5期521-528,共8页
-
基金
国家自然科学基金资助项目(52007103)。
-
文摘
快速准确的在线静态电压稳定评估是规模化互联电网安全稳定运行的重要保障。针对传统神经网络学习模型调参繁杂、训练时间长、样本需求数量庞大等缺点,提出了一种基于约束投票极限学习机(constrained voting extreme learning machine,CV-ELM)的在线静态电压稳定评估模型。CV-ELM基于类间样本差值构建差向量集计算输入层对隐藏层的权值及隐藏层节点偏置项,并引入多数投票机制,通过集成学习的方式进行分类决策。此外,CVELM可自适应确定网络参数,在分类准确率、鲁棒性及泛化能力方面均优于传统的ELM。最后,基于新英格兰10机39节点系统的算例仿真结果证明了所提模型的有效性。
-
关键词
静态电压稳定评估
电压稳定裕度
约束投票极限学习机
集成学习
机器学习
-
Keywords
static voltage stability assessment
voltage stability margin
constrained voting extreme learning machine
ensemble learning
machine learning
-
分类号
TM72
[电气工程—电力系统及自动化]
-
-
题名基于多特征融合与CELM的场景分类算法
被引量：1
- 2
-
-
作者
王光
陶燕
沈慧芳
周树东
-
机构
辽宁工程技术大学软件学院
中国科学院海西研究院泉州装备制造研究所遥感信息工程实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第1期232-240,共9页
-
基金
辽宁省自然科学基金(2019GZDG0048)。
-
文摘
场景分类对于场景图像的语义解译至关重要,是遥感领域近期的主要研究课题之一。针对大部分图像分类方法中提取的特征结构单一,依赖于大量人工标记的数据以及分类器的训练过程缓慢等问题,提出了一种基于多特征融合与约束极限学习机(constrained extreme learning machines,CELM)的场景图像分类方法。该方法采用三种不同结构的预训练卷积神经网络,利用特定数据集对其进行微调,将微调后网络提取到的三种特征进行融合并送入CELM分类器进行分类,最终得到图像的类别标签。以SIRI-WHU、WHU-RS19与UC-Merced数据集作为实验数据集,在预训练卷积神经网络、单一特征和传统分类器上进行的对比实验表明,基于多特征融合与CELM相结合的方法产生了较好的分类效果,三种数据集上的总分类精度分别高达99.25%、98.26%与97.70%。
-
关键词
场景分类
多特征融合
约束极限学习机
-
Keywords
scene classification
multi-feature fusion
constrained extreme learning machine
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
