典型文献
基于SSA-ELM的光缆故障模式识别方法
文献摘要：
针对光时域反射仪(OTDR)曲线故障点模式识别精度低的问题,提出了一种基于OTDR曲线分析的光缆故障模式识别方法,将OTDR检测到的光功率数据绘制成曲线后,对该曲线进行三层小波包分解与重构,提取归一化的小波能量作为特征向量.最后利用麻雀搜索算法(SSA)优化极限学习机(ELM)对特征向量进行模式识别,该算法不仅利用了 ELM非监督学习的高效率以及较强泛化能力的优势,还充分结合SSA较强的全局搜索能力优化ELM的权值和阈值,正确的分类精度为98.33％.实验证明该方法比支持向量机、反向传播神经网络等传统方法分类精度高,在实际应用中有重要意义.
文献关键词：
光时域反射仪;小波分析;极限学习机;麻雀搜索算法
中图分类号：
作者姓名：
陈晓娟;郑筱妤;王圣达;刘丹妮
作者机构：
长春理工大学电子信息工程学院,长春 130022;国网吉林省电力有限公司信息通信公司,长春 130000
文献出处：
引用格式：
[1]陈晓娟;郑筱妤;王圣达;刘丹妮-.基于SSA-ELM的光缆故障模式识别方法)[J].激光杂志,2022(05):49-53
A类：
B类：
SSA,ELM,光缆故障,故障模式识别,光时域反射仪,OTDR,故障点,识别精度,光功率,小波包分解,分解与重构,小波能量,特征向量,麻雀搜索算法,化极,极限学习机,监督学习,泛化能力,全局搜索,搜索能力,能力优化,权值,分类精度,反向传播神经网络,方法分类,小波分析
AB值：
0.290313
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。
