19、机器学习在局部放电检测与COVID - 19推特数据情感分析中的应用

机器学习在局部放电检测与COVID - 19推特数据情感分析中的应用

1. 人工神经网络在局部放电检测中的应用

在局部放电检测领域，人工神经网络（ANN）的两种方法——自组织映射（SOM）方法和K近邻（KNN）方法发挥着重要作用。

1.1 SOM方法

SOM，即自组织映射或自排序特征映射（SOFM），是一种人工神经网络。它擅长使用无监督学习来获取训练样本输入范围的低维（通常是二维）离散表示，也就是所谓的映射。
- 优化过程 ：
- 数据读取与处理 ：读取SOM库并调用最终的csv文件。
- 神经元匹配 ：获胜神经元将作为主导神经元，确认与相邻神经元的匹配特征。将目标0、目标1和目标2分别赋予不同颜色，并按字母顺序分配给电晕、表面和空隙放电。
- 图形绘制 ：根据变化绘制图形，并显示获胜神经元的数量。图形中颜色的深浅取决于匹配特征的程度，强匹配特征用深色表示。
- 激活函数生成与结果确认 ：SOM生成激活函数，调用最终处理文件，通过显示获胜神经元的颜色来检查局部放电的输出。大量存在的颜色将确认与之分配的放电类型。
- 超参数选择 ：SOM方法的超参数选择如下表所示：
| Sr. no. | Plan type |
| ---- | ---- |
| 1 | Winner neurons |
| 2 | Activation frequencies |