公开(公告)号：CN107491792B

公开(公告)日：2020-04-07

申请号：CN201710756382.4

申请日：2017-08-29

Applicant: 东北大学

Inventor： 张化光 ,  刘鑫蕊 ,  孙秋野 ,  于晓婷 ,  杨珺 ,  王智良 ,  赵鑫 ,  吴泽群

IPC: G06K9/62

Abstract: 本发明公开了一种于特征映射迁移学习的电网故障分类方法，其包括：1、选定目标领域数据以及辅助源领域数据；2、分别对目标领域数据和辅助源领域数据进行基于微增量小波奇异熵的故障特征提取，并将各所述微增量小波奇异熵作为故障特征，进而分别组成目标领域相对应的特征向量空间以及辅助源领域相对应的特征向量空间；3、基于特征映射迁移学习方法，找到轴特征、辅助源领域特有特征、目标领域特有特征各自相对应的基向量；4、将所获得的辅助源领域相对应的基向量作为支持向量；同时设定相似性惩罚项并加入支持向量训练集的约束条件，以共同训练分类器获得相应的分类结果。本发明能够准确快速找到最能体现故障类别的三组基向量。

公开(公告)号：CN107491792A

公开(公告)日：2017-12-19

申请号：CN201710756382.4

申请日：2017-08-29

Applicant: 东北大学

Inventor： 张化光 ,  刘鑫蕊 ,  孙秋野 ,  于晓婷 ,  杨珺 ,  王智良 ,  赵鑫 ,  吴泽群

IPC: G06K9/62

Abstract: 本发明公开了一种于特征映射迁移学习的电网故障分类方法，其包括：1、选定目标领域数据以及辅助源领域数据；2、分别对目标领域数据和辅助源领域数据进行基于微增量小波奇异熵的故障特征提取，并将各所述微增量小波奇异熵作为故障特征，进而分别组成目标领域相对应的特征向量空间以及辅助源领域相对应的特征向量空间；3、基于特征映射迁移学习方法，找到轴特征、辅助源领域特有特征、目标领域特有特征各自相对应的基向量；4、将所获得的辅助源领域相对应的基向量作为支持向量；同时设定相似性惩罚项并加入支持向量训练集的约束条件，以共同训练分类器获得相应的分类结果。本发明能够准确快速找到最能体现故障类别的三组基向量。