典型文献
基于优化极限学习机的非侵入式负荷识别
文献摘要：
在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的部分中择优;结合爬山法获得优化后的权值和阈值,构建优化极限学习机网络对负荷进行识别;利用MATLAB进行仿真验证,验证结果表明:优化后算法与未优化算法相比,负荷识别的准确率提高了约7.41％,体现了更优的分类性能,证明了该算法对负荷识别的有效性.
文献关键词：
非侵入式;负荷识别;极限学习机;遗传算法
中图分类号：
作者姓名：
尤艺;梁喆
作者机构：
安徽理工大学 电气与信息工程学院,安徽 淮南232000
文献出处：
引用格式：
[1]尤艺;梁喆-.基于优化极限学习机的非侵入式负荷识别)[J].重庆工商大学学报（自然科学版）,2022(02):24-29
A类：
B类：
化极,非侵入式负荷识别,识别算法,权值,隐含层,误判,改进的遗传算法,遗传算法优化,选择算子,改进方法,解出,适应度值,从小到大,成排,择优,新种,余个,爬山,极限学习机网络,仿真验证,分类性能
AB值：
0.286171
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。
