基于改进K-最近邻算法的变电站设备分类识别方法研究OA北大核心CSTPCD
Research on classification and recognition method of substation equipment based on improved K-nearest neighbor algorithm
针对变电站设备三维点云数据采集缺陷造成的场景重建精度低、效率差等问题,在对识别过程进行分析的基础上,提出了一种结合K-最近邻分类算法和改进粒子群算的变电站设备分类识别方法.使用改进的粒子群优化算法来优化K-最近邻分类器的输入权重,提高了设备的分类识别精度.通过仿真进行对比分析,验证该方法的优越性.结果表明,采用该方法的分类识别效果显著,训练准确率达到100％,测试准确率达到99％,与传统识别方法相比,识别准确率从97％提高到99％,平均识别时间从…查看全部>>
Aiming at the problems of low accuracy and poor efficiency of scene reconstruction caused by the defects of three-dimensional point cloud data acquisition of substation equipment,based on the analysis of the identification process,this paper proposes a classification and identification method of substation equipment combining K-nearest neighbor classification algorithm and improved particle swarm optimization algorithm.The improved particle swarm optimizatio…查看全部>>
罗金满;梁浩波;王莉娜;刘卓贤;肖啸
广东电网有限责任公司东莞供电局信息中心,广东 东莞 523000广东电网有限责任公司东莞供电局信息中心,广东 东莞 523000广东电网有限责任公司东莞供电局信息中心,广东 东莞 523000广东电网有限责任公司东莞供电局信息中心,广东 东莞 523000南方电网深圳数字电网研究院有限公司,广东深圳 518053
动力与电气工程
三维点云数据变电站设备分类识别K-最近邻粒子群算法
3D point cloud datasubstation equipmentclassification recognitionK-nearest neighborparticle swarm optimization algorithm
《电测与仪表》 2024 (10)
50-56,7
南方电网公司信息化重点项目(031900HK42200008)
评论