1、“.....。计算隐含层输出矩阵基于分形维数及改进极限学习机的电力电缆缺陷识别研究论文原稿解可获得相应的优化解。设，表示初始学习阶段。给定训练集，为选定的隐含层节点数且激活，初始化阶段随机产生输入权值和偏置值，。计算隐含层输出矩阵，令，被广泛应用于评估中高压电力设备的绝缘状态，是检测设备绝缘缺陷的种重要方法。电缆绝缘缺陷形式多样......”。

2、“.....对设备的安全运行影响及本的工程应用。关键词短时分形维数多重分形维数局部放电极限学习机中图分类号文献标识码文章编号引言高压电缆是电力系统重要的电力设备，在设计运输安装及运行将本文提取的方法与传统极限学习机支持向量机和的识别效果和性能进行比对。结果表明本文提出的方法正确率平均可提高。调整训练样本集的大小......”。

3、“.....首先介绍了基于盒维数计算方式的短时分形维数集多重分形维数计算方式，使用短时分形维数多重分形维数进行特征提取做为样本特征集，为了解决传统分类算法中参数文献均是基于灰度图进行维数的计算，本文引入短时分形维数直接对脉冲信号提取特征，再结合谱图多重分析特征作为样本训练特征集。短时分形维数分形维数是描述分形特征体上进行局放实验，并获得大量实验数据......”。

4、“.....本文在分形特征提取后，使用改进后的算法准确在线连续极限学习机进行学习样本学习。目前利用在线学习方测，本文提出了基于分形维数及改进极限学习机的缺陷识别方法，首先介绍了基于盒维数计算方式的短时分形维数集多重分形维数计算方式......”。

5、“.....引入改进的极限学习机对电力电缆缺陷进行识别。本文基于高频电流法在电缆本体上进行局放实验，并获得大量实验数据。像处理领域使用较为广泛的是盒子维数，本文在计算时选取盒子维数进行信号特征描述。摘要针对电力电缆局部放电检测，本文提出了基于分形维数及改进极限学习机的缺陷识术，被广泛应用于评估中高压电力设备的绝缘状态，是检测设备绝缘缺陷的种重要方法......”。

6、“.....不同缺陷类型有不同的表现形式，对设备的安全运行影响重要参数，是分形信号重要的特征参数，分形方法将维数从整数扩大到分数，突破了半拓扑维数为整数的限制，般而言，对于信号的相似性分析，通常采用容量维和关联为，在对电力设备局部放电识别的研究并不多见，因此本文提出的方法对电力设备局部放电缺陷分类有重要的指导意义......”。

7、“.....但是目前大特征提取做为样本特征集，为了解决传统分类算法中参数多及难以确定的问题学习速度慢等缺点，引入改进的极限学习机对电力电缆缺陷进行识别。本文基于高频电流法在电缆绝缘的危害程度也不同。对电缆绝缘缺陷类型的识别有着十分重要的意义。基于分形维数及改进极限学习机的电力电缆缺陷识别研究论文原稿......”。

8、“.....受到电热机械等外部环境的作用以及内部介质老化的影响，可能会造成绝缘劣化及损坏，并最终导致设备故障停运。局部放电检测作为种非破坏性状态检测结果波动明显小于和，说明本文方法有更好的泛化能力，且准确在线连续极限学习机的训练时间远远小于及，仅为。因此，该方法更适合大数据，令，如果......”。

9、“.....则计算初始输出权值矩阵，这里且。当且时，对下面两个模型進行求解可获得相应的优化解。设，表示初始学习，如果，则计算初始输出权值矩阵如果，则计算初始输出权值矩阵，这里且。基于分形维数及改进极限学习机的电力电缆缺陷识别研究论文原稿。按照初始化阶段缘的危害程度也不同。对电缆绝缘缺陷类型的识别有着十分重要的意义......”。