基于集成贝叶斯分类器的暂态稳定评估方法研究.pdf

《基于集成贝叶斯分类器的暂态稳定评估方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第3期华北电力大学学报Vo1．37，No．32010年5月JournalofNoahChinaElectricPowerUniversityMay，2010基于集成贝叶斯分类器的暂态稳定评估方法研究卢锦玲，李洪伟，刘海军(1．华北电力大学电气与电子工程学院，河北保定071003；2．承德供电公司平泉分公司，河北承德067500)摘要：朴素贝叶斯分类器是目前公认的一种简单有效的概率分类方法，具有简单、健壮而且高效的特点，但由于它是建立在属性变量相对类变量独立的假设前提下，而且这个假设在实际问题中往往不能满足，从而影响了其

2、分类精度。针对这个很强的前提假设，提出了基于灰色关联聚类的特征选择方法，在一定程度上放松了这个限制条件；以朴素贝叶斯分类器作为基分类器，采用分类器集成技术中的AdaBoost算法进一步提高分类性能。通过对新英格兰1O机39节点系统的仿真计算，结果表明了方法的有效性和正确性。关键词：特征选择；灰色聚类；集成技术；贝叶斯网络；朴素贝叶斯分类器；暂态稳定中图分类号：TM712；O212文献标识码：A文章编号：1007—2691(2010)03—0014—07Researchontransientstabilityassessment

3、basedonintegratedBayesianclassifierLUJin．1ing’，LIHong．wei，LIUHai-jun(1．SchoolofElectricalandElectronicEn~neering，NoahChinaElectricPowerUniversity，Baoding071003，China；2．ChengdePowerSupplyCompanyBranchPingQua．，Chengde067500，China)Abstract：Thenaivebayesclassifierisnowr

4、ecognizedastheprohabilityofasimpleandefectiveclassificationmeth—od，withsimple，stuggyandhighlyefectivecharacteristic．Butbecauseitistheestablishmentundertheattributevari-ablerelativekindofvariableindependentsuppositionpremise，moreoverthissuppositionoftencannotsatisfyi

5、ntheae—tualproblem，thusaffectingitsclassifiedprecision．Inviewofthisverystrongpremisesupposition，thispaperpro·posedfeatureselectionmethodbasedonthegrayconnectioncluster，relaxedthislimitingconditiontoacertainextent；Takesthebaseclassifierbythenaivebayesclassifier，usest

6、heAdaBoostalgorithmintheclassifierintegrationtechnol-ogytofurtherenhancetheclassifyingpedbrmance．BasedontheNewEngland10machine39nodesystem’Ssimulationcomputation，theresultsshowethatthisarticlemethodisvalidandcorrect．Keywords：featureselection；grayclustering；integrati

7、ontechnology；Bayesiannetwork；naivebayesianclassifer；transientstability同刻画对象的能力，被认为是目前非精确知识表0前言达与推理领域内最有效的理论模型。贝叶斯分类器性能优于或相当于其他分类器，贝叶斯网络(Bayesiannetwork)又称为信度其中朴素贝叶斯分类器(NaiveBayesianClassifier，网(Beliefnetwork)，是一种应j}j有向无环图表示NB)虽然做了一个很强的关于属性之问相互条件变量间概率依赖关系的图模型，由Pearl⋯

8、最先提独立的假设，而且这个假设在实际问题中往往不出。贝叶斯网络不但有严格的数学基础，还具备能满足，但是在实际应用中却取得了引人注目的完备的语义表达能力，可以充分结合专家知识和成功，其性能可与决策树、神经网络等算法相媲数据信息，具有同时处理定性属性和定量属性共美J。我们应该广义