基于支持向量机的电气设备运行状态图像识别方法研究

作     者：田有文 于琳琳 杨镔 TIAN You-wen;YU Lin-lin;YANG Bin

作者机构：沈阳农业大学信息与电气工程学院沈阳110161 韩国昌源大学机电一体化学院韩国釜山641-7173 

出 版 物：《沈阳农业大学学报》 (Journal of Shenyang Agricultural University)

年 卷 期：2008年第39卷第5期

页      面：638-640页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：辽宁省自然科学基金(20042102) 

主　　题：支持向量机 电气设备运行状态 图像识别 C-均值聚类法 

摘      要：针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。