基于改进SVM模型的电能质量扰动分类

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。