典型文献
基于融合GMM与SVM的船载非侵入式负荷识别方法
文献摘要：
为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测.提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法.该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型.对两种算法的概率分布进行融合生成最终识别结果.实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值.
文献关键词：
船载非侵入式负荷监测;支持向量机;高斯混合模型;负荷特征;负荷识别
中图分类号：
作者姓名：
贾东宁
作者机构：
中国海洋大学信息科学与工程学院,山东 青岛 266100;青岛海洋科学与技术试点国家实验室,山东 青岛 266237
文献出处：
引用格式：
[1]贾东宁-.基于融合GMM与SVM的船载非侵入式负荷识别方法)[J].中国海洋大学学报（自然科学版）,2022(01):129-133
A类：
船载非侵入式负荷监测
B类：
GMM,非侵入式负荷识别,保障安全,电力负荷,高斯混合模型,电器,类型识别,识别算法,法利,暂态,事件检测,负荷特征,统计分布,泛化能力,概率分布
AB值：
0.240926
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
