典型文献
基于图像处理和半监督学习的变电设备故障诊断
文献摘要：
变电设备是电力系统中的关键部分,维护其安全稳定运行具有重要意义.当变电设备发生故障时,需要及时、准确对其故障类型进行诊断.提出一种基于图像处理和半监督学习的变电设备故障类型诊断方法.对收集到的红外图像数据进行特征提取,将其中的温度特征、纹理特征和形状特征作为模型的参考向量;利用SMOTE算法,对有标签样本的少数类样本进行样本扩充;汇总样本数据,构建图半监督学习网络,并对其进行训练.相比于传统的有监督学习方法,该文提出的方法能够学习无标签样本数据中的信息.使用真实的样本数据进行测试,验证所提方法的有效性,实验结果表明利用特征提取、样本扩充以及半监督学习模型能够提高变电设备故障的分类准确度.
文献关键词：
变电设备;故障诊断;红外图像;样本生成;半监督学习
中图分类号：
作者姓名：
于希娟;孙宏伟
作者机构：
国网北京市电力公司,北京100000
文献出处：
引用格式：
[1]于希娟;孙宏伟-.基于图像处理和半监督学习的变电设备故障诊断)[J].电网与清洁能源,2022(08):60-68
A类：
B类：
半监督学习,变电设备,设备故障诊断,电力系统,安全稳定运行,故障类型,类型诊断,红外图像,图像数据,温度特征,纹理特征,形状特征,考向,SMOTE,少数类,样本扩充,建图,学习网络,有监督学习,够学,无标签样本,样本生成
AB值：
0.253862
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
