利用二维粒子群进行电能质量事件的特征高效选择
神经与进化计算
2019-04-16 v1 机器学习
摘要
针对电能质量（PQ）事件中的特征选择问题，提出了一种新颖的二维（2D）学习框架。与现有特征选择方法不同，所提出的 2D 学习显式地将子集基数（即特征数量）的信息作为附加学习维度纳入，以有效引导搜索过程。考虑到符合 IEEE 标准 1159 的十四类不同 PQ 事件，已证明该方法的有效性。通过将 2D 学习方法的搜索性能与另外六种知名特征选择包装器进行比较，并考虑两种归纳算法：朴素贝叶斯（NB）与 k-近邻（k-NN）。此外，考虑到七种不同噪声水平，研究了所选/约简特征子集的鲁棒性。该研究结果令人信服地表明，所提出的 2D 学习能够为 PQ 事件识别出显著更优且鲁棒的特征子集。
引用
@article{arxiv.1904.06972,
title = {Efficient Feature Selection of Power Quality Events using Two Dimensional (2D) Particle Swarms},
author = {Faizal Hafiz and Akshya Swain and Chirag Naik and Nitish Patel},
journal= {arXiv preprint arXiv:1904.06972},
year = {2019}
}