为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
随着近年来，数据挖掘、机器学习算法的发展，硬件计算能力的提升，更多的智能算法被应用于电能质量扰动分类的领域。分层极限学习机（Hierarchical Extreme Learning Machine，H-ELM）是一种分层学习框架，应用多层感知器，该算法在分类预测方面有很好的效用，而且分类速度快。介绍一种高效的电能质量扰动分类模型，以离散小波变换 (Discrete Wavelet Transform，DWT) 作为特征提取的方法，采用粒子群特征选择算法进行最佳特征组合的选取，采用具有自学特征提取的H-ELM算法对电能质量扰动进行分类。仿真验证表明，该方法具有很高的识别精度。