基于小波变换和frvm的电能质量扰动分类

针对相关向量机(rvm)计算复杂度大、训练时间长的问题,提出一种基于快速相关向量机(frvm)的优化算法,其大大减少了相关向量机的训练时间,提高了分类的精度。将它应用于电能质量扰动分类中,首先对电能质量扰动信号进行基于小波变换的时频分析,提取小波变换各层信号的能量与标准信号的能量之差组成特征向量；然后用frvm对特征量进行分类,进而实现基于小波变换和frvm的电能质量扰动分类新方法。实验仿真验证了该方法能够对各类电能质量扰动信号进行分类,并且其分类效率和准确率均优于传统的相关向量机分类方法。