[发明专利]基于六氟化硫气体局部放电的决策树识别方法

权利要求书

1.一种基于六氟化硫气体局部放电的决策树识别方法，其特征在于，所述决策树形成流程如下：

S1：判断训练样本是否为空，若否，进入步骤S2；反之，则进入步骤S6；

S2：判断节点中的样本只有一个类别，若否，进入步骤S3；反之，则进入步骤S6；

S3：判断样本中信息增益率的属性A是否为连续量，若否，进入步骤S4；反之，进入步骤S6；

S4：找到属性A的分割阀值；

S5：根据属性A长出新节点，并返回步骤S1；

S6：作为叶节点并命名为相应类别；

S7：形成决策树。

2.如权利要求1所述的基于六氟化硫气体局部放电的决策树识别方法，其特征在于，所述步骤S2的判断流程还包括有：

S21：计算样本中各个属性下的信息增益率；

S22：找到信息增益率中最大的属性A。

3.如权利要求2所述的基于六氟化硫气体局部放电的决策树识别方法，其特征在于，所述步骤S6还包括有：

S61：计算估计错分率并进行剪枝。

4.如权利要求3所述的基于六氟化硫气体局部放电的决策树识别方法，其特征在于，采用C4.5算法生成决策树，生成流程如下：

S01：设S是s个数据样本的集合，所述数据样本属于m个不同的类C_i(i＝1,...,m)；

S02：设s_i是C_i中的样本数，对一个给定样本其总的信息熵值为：

I(s1,s2,...,sm)=-Σi=1mpilog2pi---(1)]]>

其中，p_i是任意样本属于C_i的概率，采用s_i/s估计；

S03：设A为样本的一个属性，属性A具有v个不同值{a₁,a₂,...,a_v}；

S04：通过属性A将S划分为v个子集{S₁,S₂,...,S_v}；其中，S_j是S中属性A的值为a_j的样本；

S05：如果选择A作为测试属性，则这些子集就是从样本集S的节点生长出来的分支。