论文部分内容阅读
提出一种改进的支持向量机模型，对电能质量扰动进行分类。支持向量机（SVM）在对大规模样本集的训练和分类时，需要占用大量内存，时耗过高，运算速度缓慢。针对这种情况提出一种改进的SVM模型：将原始训练样本集应用粗糙集理论（RS）去除冗余信息，然后在SVM中引入概率分布函数，用一个小规模的样本集训练得到一个初始的分类器，用这个初始分类器对大规模训练集进行修剪，修剪后得到一个规模很小的约减集，再用这个约减集进行训练得到最终的分类器。实验表明：这种改进的SVM模型有效降低了训练样本集的规模．提高了分类能力。