资源描述：
《基于支持向量机的电能质量综合评价_本科论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、学号：常州大学毕业设计（论文）（2012届）题目学生学院专业班级校内指导教师专业技术职务校外指导老师专业技术职务二○一二年六月基于支持向量机的电能质量综合评价摘要：统计学习理论是在研究小样本统计估计和预测的过程中发展起来的一种新兴的理论，它试图从更本质的层面上来研究机器学习的问题。作为统计学习理论的最新发展和结构风险最小化准则的具体体现，支持向量机（SVM）具有全局最优、结构简单、推广能力强等优点，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，并能够推广到函数拟合等其他机器学习问题中。本文研究了SVM
2、在电能质量分析中的应用，提出了一种包含综合集成赋权法和支持向量机的电能质量评价方法。在综合集成赋权法中,层次分析法确定主观权重,改进拉开档次法确定客观权重,基于加法原理将两者结合确定综合权重。由此产生支持向量机的初始训练数据,通过训练支持向量机能够得到电能质量综合评价模型及综合评价结果。算例结果表明,提出的电能质量评价策略保留了支持向量机在处理小样本、非线性问题时的独特优势,能快速得到合理的评价结果,并具有良好的泛化能力。关键词：电能质量；支持向量机(SVM)；综合集成赋权；层次分析法；综合评价PowerQualit
3、yComprehensiveEvaluationbasedonSupportVectorMachineAbstract：Statisticallearningtheoryisnewlydevelopedtheoryforstudyingthestatisticalestimationandpredictionproblembasedonsmallnumberofsamples.Itstudiesthenatureofmachinelearning.Asthelatestdevelopmentofstatistical
4、learningtheoryandtheembodimentofstructuralminimizationcriterion,SupportVectorMachines(SVM)provideefficientandpowerfulalgorithmsthatarecapableofdealingwithhighdimensionalinputfeaturesandwiththeoreticalboundsonthegeneralizationerrorandsparsenessofthesolutionprovi
5、dedbystatisticallearningtheory.SVMhasfewfreeparametersrequiringtuningissimpletoimplement,andaretrainedthroughoptimizationofaconvexquadraticcostfunction,whichensurestheglobaloptimizationoftheSVMsolution.Furthermore,SVM-basedsolutionsaresparseinthetrainingdateand
6、definedonlybythemost"informative"trainingpoints.SVMpresentsalotofadvantagesforsolvingthesmallsamples,nonlinearandhighdimensionalpatternrecognition,aswellasothermachine-learningproblemssuchasfunctionfitting.Anovelcomprehensivestrategy,consistingofanintegratedwei
7、ghtmethodandsupportvectormachine(SVM)method,wasproposedtoevaluatePQ.Intheintegratedweightmethod,analysishierarchyprocess(AHP)wasemployedtodeterminethesubjectiveweights,andimprovedscatterdegree(ISD)wasintroducedtodecidetheobjectiveweights,thenthecomprehensivewei
8、ghtscouldbedeterminedbasedonadditionprinciple.TheintegratedweightmethodcouldproducethetrainingdataforSVM,andthentheevaluationmodelofPQwasbuilt.Testresultsshowthattheproposed
