دانلود ترجمه مقاله انتخاب ویژگی های مبتنی بر موجک در طبقه بندی اختلالات کیفیت توان

1. مقدمه 2. ساخت بردار ویژگی 3. روش های بهینه سازی 4. نتایج طبقه بندی تجربی 5. نتیجه گیری

چکیده – در این پژوهش، ما کارایی برخی ویژگی های مبتنی بر موجک مورد استفاده برای طبقه بندی اختلالات کیفیت توان (PQ) را بررسی کرده و تفاوت ها در کارایی آنها هنگام استفاده در ترکیبات را به منظور استفاده از روش استخراج ویژگی مبتنی بر موجک بهینه مورد بحث قرار داده ایم. این تحقیق با استفاده از سه روش طبقه بندی شناخته شده انجام شده که عبارتند از ماشین بردار پشتیبان (SVM)، درخت تصمیم گیری (DT) و جنگل تصادفی (FR) برای طبقه بندی در 7 و 11 نوع از اختلالات PQ. در هر دو حالت نشان داده شده که کارایی ویژگی مفروض، کلی نیست ولی بستگی به نوع ویژگی های دیگر مورد استفاده و نوع روش طبقه بندی مورد استفاده دارد.

In this study we investigate the effectiveness of some wavelet based features used for classification of power quality (PQ) disturbances, and check the difference in their efficiency when they are used in combinations, in order to perform optimal wavelet based feature extraction method. The investigation was made using three well known classification techniques, which are support vector machine (SVM), decision tree (DT) and random forest (RF), for classification in case of 7 and 11 types of PQ disturbances. In both cases it is shown that the effectiveness of a given feature is not general, but it depends on the type of other features it is used with and the kind of the applied classification method.