由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大，尤其是某些相似度较高的电缆绝缘缺陷类型难以区分。提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法，研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响，并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比。结果表明，相比SVM和BPNN, CNN的总体识别精度分别提高了3.71%和4.06%，且能较好地识别具有高相似度的电缆缺陷类型。
2021-04-30 14:08:49
2.42MB
1
本资源包含Pattern Recognition And Machine Learning的英文版和由马春鹏翻译的中文版。
2021-04-28 10:50:22
17.77MB
1
印章识别程序（MTLAB，支持向量机方法），通过利用MATLAB编程对支持向量机进行实现，能对印章进行识别。
2021-04-26 19:51:33
792KB
1
给出密度函数的非参数估计公式，并产生1、16、256和16384个服从一维标准正态分布的样本，
1． 分别就窗宽为 ， ，窗函数为高斯函数的情形估计所给样本的密度函数并划出图形。
2． 分别就 时用 近邻方法估计所给样本的密度函数并划出图形。
2021-04-25 16:18:04
149KB
1