智能电网包括八个方面的主要特征，这些特征从功能上描述了电网的特性，而不是最终应用的具体技术，它们形成了智能电网完整的景象。

一般信息 支持向量机（SVM）和相关的基于内核的学习算法是一类知名的机器学习算法，用于非参数分类和回归。 liquidSVM是SVM的实现，其主要功能是： 完全集成的超参数选择， 无论大小数据集，其速度都极高， ， ， ， 和绑定， 为专家提供充分的灵活性，以及 包括各种不同的学习场景： 多类别分类，ROC和Neyman-Pearson学习， 最小二乘，分位数和预期回归。 如有疑问和意见，请通过与我们联系。 您也可以在此处要求注册到我们的邮件列表。 liquidSVM已根据许可。 如果您需要其他许可证，请与联系。 命令行界面 命令行版本的。 Linux / OS X的终

I = imread('C:\cameraman.tif'); imshow(I) offsets = [0 1; -1 1;-1 0;-1 -1]; [glcms,SI] = graycomatrix(I,'Offset',offsets); imshow(rescale(SI)) whos I = imread('C:\cameraman.tif'); imshow(I) glcm = graycomatrix(I,'Offset',[2 0]) I = [ 1 1 5 6 8 8; 2 3 5 7 0 2; 0 2 3 5 6 7] [glcm,SI] = graycomatrix(I

实现了在MATLAB上灰度共生矩阵的生成，以及四个主要特征向量的提取。

基于pod方法，用于piv数据的数据简化以及主要特征提取。