123,123

內(nèi)容簡(jiǎn)介

　　支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展而來(lái)的一種通用學(xué)習(xí)機(jī)器。它建立在嚴(yán)密的統(tǒng)計(jì)學(xué)基礎(chǔ)上，基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則取得實(shí)際風(fēng)險(xiǎn)，有效地提高了算法泛化能力，是處理有限樣本學(xué)習(xí)的有效工具，在回歸和模式識(shí)別領(lǐng)域具有良好的應(yīng)用價(jià)值和發(fā)展前景，本書(shū)介紹了支持向量機(jī)算法及其在電氣工程領(lǐng)域中的應(yīng)用。為了便于讀者閱讀和解決實(shí)際問(wèn)題，書(shū)中首先對(duì)支持向量機(jī)的基本原理、訓(xùn)練算法、模型選擇做了系統(tǒng)闡述。在此基礎(chǔ)上，重點(diǎn)介紹了支持向量機(jī)在異步電機(jī)、電力變壓器等電氣設(shè)備的故障診斷以及交流電機(jī)非線性建模、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)等領(lǐng)域中的應(yīng)用，具有較強(qiáng)的實(shí)用性。本書(shū)可作為高等學(xué)校電氣工程及其自動(dòng)化等專業(yè)本科高年級(jí)學(xué)生和研究生的教材，亦可供從事相關(guān)領(lǐng)域的科研人員和工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《支持向理機(jī)理論及其應(yīng)用分析》作者簡(jiǎn)介

圖書(shū)目錄

序
前言
符號(hào)表
1.支持向量機(jī)的基本原理
　1.1　統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)
　1.2　支持向量分類機(jī)
　1.3　多類支持向量分類機(jī)
　1.4　支持向量回歸機(jī)
　1.5　支持向量機(jī)的變形算法
2.支持向量機(jī)的訓(xùn)練算法
　2.1　支持向量機(jī)訓(xùn)練的停機(jī)準(zhǔn)則
　2.2　支持向量機(jī)訓(xùn)練中的分解算法
　2.3　梯度上升算法
　2.4　原對(duì)偶內(nèi)點(diǎn)算法
　2.5　支持向量機(jī)的增量學(xué)習(xí)法
　2.6　一些特殊問(wèn)題的模型選擇
3.支持向量機(jī)的模型選擇
　3.1　訓(xùn)練集選取與支持向量預(yù)提取
　3.2　模型參數(shù)對(duì)支持向量機(jī)的影響
　3.3　模型選擇準(zhǔn)則
　3.4　基于變焦遺傳算法的支持向量機(jī)參數(shù)選擇
4.支持向量機(jī)在異步電機(jī)故障診斷中的應(yīng)用
　4.1　概述
　4.2　異步電機(jī)主要故障機(jī)理分析
　4.3　基于定子電流頻譜信號(hào)的異步電機(jī)轉(zhuǎn)子故障診斷
　4.4　基于振動(dòng)信號(hào)分析的異步電機(jī)故障診斷方法
5.支持向量機(jī)在電力變壓器油中溶解氣體診斷的應(yīng)用
　5.1　電力變壓器故障診斷的油中溶解氣體分析法
　5.2　基于粗糙集理論的油中溶解氣體診斷
　5.3　基于支持向量機(jī)的油中溶解氣體診斷
6.支持向量機(jī)在交流電機(jī)非參數(shù)建模中的應(yīng)用
　6.1　基于SVM的高速變頻電機(jī)建模與仿真
　6.2　基于SVM的開(kāi)關(guān)磁阻電機(jī)非線性建模
　6.3　基于SVM的雙凸極永磁電機(jī)非線性建模與控制
7.支持向量機(jī)在短期負(fù)荷預(yù)測(cè)中的應(yīng)用
　7.1　概述
　7.2　短期負(fù)荷預(yù)測(cè)模型分析
　7.3　預(yù)測(cè)模型中輸入特征的提取
　7.4　短期負(fù)荷預(yù)測(cè)中的輸入樣本預(yù)處理
　7.5　基于SVR的短期負(fù)荷預(yù)測(cè)算例分析
附錄　最小二乘支持向量機(jī)算法程序（C代碼）
參考文獻(xiàn)