新書推薦：
《
控制权视角下的家族企业管理与传承
》
售價：HK$
87.4
《
冯友兰和青年谈心系列
》
售價：HK$
167.3
《
利他主义的生意：偏爱“非理性”的市场（英国《金融时报》推荐读物！）
》
售價：HK$
77.3
《
认知行为疗法：心理咨询的顶层设计
》
售價：HK$
99.7
《
FANUC工业机器人装调与维修
》
售價：HK$
99.7
《
吕著中国通史
》
售價：HK$
62.7
《
爱琴海的光芒 ： 千年古希腊文明
》
售價：HK$
199.4
《
不被他人左右：基于阿德勒心理学的无压力工作法
》
售價：HK$
66.1
|
| 內容簡介： |
|
《PD模式识别方法》阐述了局部放电（PD）产生的机理及其危害，并结合模拟PD模型的实验研究，展示了作者应用人工智能理论方法在PD信号模式识别研究所获得的成果。《PD模式识别方法》以小波原理、信号分析和数据挖掘技术为基础，以模式识别方法、神经网络理论和智能算法为核心，分别论述了PD信号消噪、特征量提取和特征空间压缩方法，并详细阐明了应用神经网络（NN）方法、模糊原理、混沌理论实现PD信号模式分类的全过程。
|
| 目錄：
|
|
目录第1章 绪论 11.1 PD特性与表征 11.1.1 PD源与信号特性 21.1.2 PD信号的模式特征 31.2 模式分类器及其优化 51.2.1 PD模式分类器 51.2.2 全局优化算法 61.3 发展趋势 71.3.1 深度学习与深度神经网络 71.3.2 群智能算法 7参考文献 8第2章 模式识别与优化算法102.1 识别方法 102.2 识别系统 102.3 特征量与特征空间 112.3.1 特征量 112.3.2 特征空间 122.4 特征的可分性 122.4.1 特征可分性测量 122.4.2 类可分性测度 142.4.3 特征子集的选择 162.4.4 最优特征生成 182.5 分类器优化算法 202.5.1 随机梯度法 212.5.2 模拟退火算法 212.5.3 遗传算法 22参考文献 23第3章 PD与指纹特征 243.1 诱发PD的理化过程 243.1.1 介质内部局部放电 253.1.2 介质沿面局部放电 273.1.3 电晕放电 283.2 局部放电的危害 283.3 交流电压下的PD表征方法 303.4 局部放电模拟 323.4.1 模型构建与PD信号采集 333.4.2 交流电压下PD统计量的表征 353.4.3 统计分布参数与指纹 37参考文献 41第4章 PD信号小波去噪 434.1 PD信号小波变换特征 434.1.1 PD信号表征 434.1.2 PD信号的小波变换特征 444.2 噪声信号及其小波变换特征 464.3 含噪PD信号模型 474.4 模极大值去噪方法 484.4.1 模极大值的确定和信号重构 484.4.2 去噪仿真算例 514.5 去噪快速算法 524.5.1 局部放电信号（函数）多尺度逼近 524.5.2 多次小波变换去噪算法 554.5.3 复合小波变换去噪 57参考文献 59第5章 基于BPNN的PD模式识别 605.1 人工神经网络 605.1.1 BPNN算法 615.1.2 改进BPNN算法收敛速度的一些措施 665.2 基于BPNN的PD模式识别算法 675.2.1 局部放电模式特征量 685.2.2 类可分准则 685.2.3 PD模式识别过程 695.3 隐层神经元的影响 74参考文献 75第6章 支持向量机的PD模式识别 776.1 支持向量机 776.1.1 线性可分类支持向量机 776.1.2 线性不可分类支持向量机 796.2 PD模拟与特征提取 816.2.1 PD信号采集 816.2.2 PD特征提取 846.3 基于SVM的PD模式识别 886.3.1 核函数选择 886.3.2 SVM参数寻优 896.3.3 权值和阈值 906.3.4 SVM网络结构 936.3.5 识别结果 936.4 相关讨论 956.4.1 特征量的相关系数和类间距离 966.4.2 特征选择 976.4.3 识别结果 986.4.4 SVM与BP识别效果的比较 99参考文献 100第7章 基于FCM的PD模式识别 1027.1 模糊聚类方法 1027.1.1 模糊c均值聚类算法 1037.1.2 加权模糊c均值聚类算法 1077.2 PD模拟及信号采集 1097.2.1 PD模型 1097.2.2 PD信号采集 1107.2.3 PD信号去噪 1127.3 PD信号特征与提取 1147.3.1 分形维数特征 1147.3.2 PD信号灰度矩特征 1167.4 基于模糊聚类PD模式识别 1187.4.1 基于FCM算法的PD模式识别 1187.4.2 基于WFCM算法的PD模式识别 1197.5 结果分析 121参考文献 122第8章 基于WNN的PD模式识别 1248.1 小波神经网络 1248.1.1 正交小波神经网络 1248.1.2 正交小波神经网络学习算法 1258.2 自适应特征提取小波神经网络 1278.2.1 PD信号的小波可分性 1278.2.2 自适应特征提取小波神经网络结构 1308.2.3 自适应特征提取小波神经网络隐层单元数目的确定 1318.2.4 自适应特征提取小波神经网络学习算法 1338.3 PD模式识别实验 1358.3.1 PD信号采集 1358.3.2 统计特征量提取与识别 1368.3.3 自适应特征提取与模式识别 139参考文献 142第9章 基于混沌理论的PD模式识别 1439.1 局部放电信号中的混沌现象 1439.1.1 混沌特征 1439.1.2 混沌相空间重构 1449.1.3 相空间重构参数 1459.2 混沌系统表征 1479.2.1 Lyapunov指数 1479.2.2 分形维数 1489.2.3 Kolmogorov熵 1499.3 PD混沌特性及其特征量提取 1509.3.1 实验模拟的PD信号 1509.3.2 PD信号混沌特性 1519.3.3 PD混沌特征量及其提取 1539.4 基于混沌特征的PD模式识别 1609.4.1 BP神经网络设计 1619.4.2 识别结果 1629.4.3 基于指纹图谱特征的PD模式识别 1649.4.4 特征量综合识别结果 165参考文献 166第10章 基于PSO优化的PD模式识别 16810.1 反向传播神经网络 16810.1.1 BPNN学习与优化 16810.1.2 神经网络泛化能力 16910.2 PSO优化的神经网络 17010.2.1 粒子群算法 17110.2.2 PSO优化算法 17210.3 PD特征空间降维 17410.3.1 PCA降维算法 17410.3.2 PCA降维计算步骤 17610.4 基于PSOBP的PD模式识别 17710.4.1 PD信号模式预处理 17710.4.2 误差分析方法 17710.4.3 PD识别结果 17810.4.4 隐层元数量的影响 179参考文献 184附录 185
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
