基本介紹
內容簡介,目錄,
內容簡介
支持向量機是在統計學習理論基礎上發展而來的一種通用學習機器。它建立在嚴密的統計學基礎上，基於結構風險最小化準則取得實際風險，有效地提高了算法泛化能力，是處理有限樣本學習的有效工具，在回歸和模式識別領域具有良好的套用價值和發展前景，
本書介紹了支持向量機算法及其在電氣工程領域中的套用。為了便於讀者閱讀和解決實際問題，書中首先對支持向量機的基本原理、訓練算法、模型選擇做了系統闡述。在此基礎上，重點介紹了支持向量機在異步電機、電力變壓器等電氣設備的故障診斷以及交流電機非線性建模、電力系統短期負荷預測等領域中的套用，具有較強的實用性。
目錄
序
前言
符號表
1.支持向量機的基本原理
1.1 統計學習理論基礎
1.2 支持向量分類機
1.3 多類支持向量分類機
1.4 支持向量回歸機
1.5 支持向量機的變形算法
2.支持向量機的訓練算法
2.1 支持向量機訓練的停機準則
2.2 支持向量機訓練中的分解算法
2.3 梯度上升算法
2.4 原對偶內點算法
2.5 支持向量機的增量學習法
2.6 一些特殊問題的模型選擇
3.支持向量機的模型選擇
3.1 訓練集選取與支持向量預提取
3.2 模型參數對支持向量機的影響
3.3 模型選擇準則
3.4 基於變焦遺傳算法的支持向量機參數選擇
4.支持向量機在異步電機故障診斷中的套用
4.1 概述
4.2 異步電機主要故障機理分析
4.3 基於定子電流頻譜信號的異步電機轉子故障診斷
4.4 基於振動信號分析的異步電機故障診斷方法
5.支持向量機在電力變壓器油中溶解氣體診斷的套用
5.1 電力變壓器故障診斷的油中溶解氣體分析法
5.2 基於粗糙集理論的油中溶解氣體診斷
5.3 基於支持向量機的油中溶解氣體診斷
6.支持向量機在交流電機非參數建模中的套用
6.1 基於SVM的高速變頻電機建模與仿真
6.2 基於SVM的開關磁阻電機非線性建模
6.3 基於SVM的雙凸極永磁電機非線性建模與控制
7.支持向量機在短期負荷預測中的套用
7.1 概述
7.2 短期負荷預測模型分析
7.3 預測模型中輸入特徵的提取
7.4 短期負荷預測中的輸入樣本預處理
7.5 基於SVR的短期負荷預測算例分析
附錄 最小二乘支持向量機算法程式（C代碼）
參考文獻
