摘要：传统的单一核函数构成的支持向量机（Support Vector Machine,SVM）无法解决气体绝缘组合电器（Gas Insulated Switcher,GIS）所采集到的局部放电数据（Partial Discharge,PD）分布不规则、特征类别复杂和规模巨大等问题.针对这类问题,本文提出使用多个核的线性组合方式即简单多核学习方法（Simple Multiple Kernel Learning,SimpleMKL）对多类特征进行分类研究.通过赋予不同局部放电特征不同的核函数,以多个核函数的线性加权代替传统的单一核函数,利用梯度下降法不停迭代求解核函数的权值系数,最终达到整合局部放电多类特征并提高分类精度的目的.实验结果表明：该方法对局部放电多个特征空间具有普适性,分类精度高于单核SVM和融合SVM识别方法.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社