[发明专利]一种基于概率神经网络的复合绝缘子憎水性等级判定方法

权利要求书

1.一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，步骤为：第一步：确定输入层，即有n个神经元，p个待测绝缘子样本，由于每个绝缘子有3个特征参数，根据实际情况，这里n取3，p取7；然后对输入向量矩阵进行归一化处理；

第二步：确定模式层，神经元的个数等于学习样本的个数m，本文选取7类绝缘子，每类20个样本，将其作为学习样本，则；将学习样本按照类别的顺序依次编号，则编号1-20的神经元为第一类模式，编号21-40的神经元为第二类模式，以此类推，将编号121-140的神经元作为第七类模式，各求和层单元仅与相对应地同类模式层神经元相连接；将个学习样本根据各自的特征参数组成一个的矩阵，为了减小误差，方便后面的数据处理，保证算法运行的收敛加快，对样本矩阵进行归一化处理；

第三步：计算待测样本矩阵与学习样本归一化矩阵中相应元素的欧式距离；

第四步：取标准差为0.1的高斯型函数，通过激活模式层中的径向基神经元得到初始概率矩阵；

第五步：由前文可知，，；那么总共将140个学习样本分为7类，每类20个样本，为了方便计数，令为每类学习样本数目，即，则可以在该网络的求和层求解140个样本隶属于各类的初始概率之和；

第六步：求解第个待识别的样本属于第类的概率，并找出每行的最大概率，求得每个待识别样品的类别。

2.根据权利要去1所述的一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，选取3个特征参数作为概率神经网络等级识别模型的输入向量，3个特征参数表达式分别如下所示：

K＝S_max/MN (2)

式中，f_c代表最大水珠(或水膜)的形状因子，S_max为最大水珠(或水膜)的面积，l为最大水珠(或水膜)的周长；K代表最大水珠(或水膜)最大面积比，M和N分别为图像的长和宽；V代表水珠(或水膜)的覆盖率，N_a为识别出的水珠(或水膜)总数，S_i为第i个水珠的面积。

3.根据权利要去1所述的一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，输入层：由于每个样品都有3个特征，因此输入层将有3个神经元，在输入层计算输入向量与学习样本向量的差值，然后所得的向量差值送入模式层中，该向量差值反应了两个向量间的接近程度，其绝对值的大小等于两个向量间的范氏距离。

4.根据权利要去1所述的一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，模式层：学习样本有多少个就有多少神经元，本文对7个等级的复合绝缘子各选取20副图像作为样本，每个样本3个特征，总共140个学习样本，即模式层有140个神经元；通过模式层先判断绝缘子哪些类别与输入向量相关，再集中相关度较高的类别，然后将各类别的相识度输送至求和层。

5.根据权利要去1所述的一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，求和层：求和层的神经元数目等于类别的数目，即等于7；每个神经元对应着一个类别，通过竞争传递函数计算相识度进行决策。

6.根据权利要去1所述的一种基于概率神经网络的复合绝缘子憎水性等级判定方法，其特征在于，输出层：输出层用于对决策结果进行输出，概率值最大的一类的输出结果为1，其余输出皆为0；选取输出值中1所对应的类别作为识别结果，即可得到该复合绝缘子的憎水性等级最有可能隶属于哪一级。