基于支持向量机的暂态稳定分类中的特征选择

被引：10

作者：

向丽萍 ^{[1
]}

王晓红 ^{[1
]}

王建 ^{[2
]}

项杨 ^{[1
]}

谢桦 ^{[3
]}

王晓茹 ^{[1
]}

机构：

[1] 西南交通大学电气工程学院

[2] 清华大学电机工程与应用电子技术系

[3] 北京交通大学电气工程学院

来源：

继电器 | 2007年 / 09期

关键词：

特征选择; 主成分分析; 遗传算法; 支持向量机;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 ;

摘要：

特征选择是支持向量机(SVM)分类实现中非常重要的环节。针对传统方法进行特征选择的缺陷,提出了基于遗传算法的特征选择方法。综述和提出了支持向量机暂态稳定分类的初始特征;建立了IEEE16机86节点系统的暂态稳定分类初始特征样本集;利用主成分分析和遗传算法对维数较大的初始特征进行了有效降维;并通过因子负荷,完成了暂态稳定输入特征的选择;经过支持向量机分类器测试,显示选出的特征有很好的分类效果。

引用

页码：17 / 21

页数：5

共 8 条

[1] 二分类数据的分类结果可视化算法 [J].