摘要
针对SVM(支持向量机)的惩罚因子和核函数参数在寻优过程中容易陷入局部最优以及哈里斯鹰优化算法容易陷入局部最优的问题,提出一种利用IHHO(改进哈里斯鹰优化)算法对SVM的惩罚因子和核函数参数进行寻优,构建IHHO-SVM分类器来对电能质量扰动信号进行识别的方法。通过对9种不同的电能质量扰动信号加入0 dB、20 dB和30 dB的高斯白噪声来进行测试,利用改进的自适应噪声完备集合经验模式分解算法分解信号并提取信号前3阶固有模态函数分量的能量熵和样本熵作为一组特征向量,将特征向量进行归一化处理后输入9种分类器进行对比。仿真结果表明,在信号加入0 dB、20 dB和30 dB高斯白噪声的情况下,IHHO-SVM分类器的识别准确率分别为99.11%、97.78%和97.33%,其分类效果是所有分类器中最优的,证明了其分类的准确性、优越性和抗噪性。
- 单位