本程序参考中文EI期刊《电网技术》网络首发文献：《基于马尔可夫转换场与多头注意力机制的电能质量扰动分类方法》，程序注释清晰，干货满满，下面对文章和程序做简要介绍！
原理：马尔可夫转换场(Markov transition field，
MTF)是一种将时序数据转化为空间图像数据的方法，该方法扩展了马尔可夫状态转移矩阵，通过顺序表达状态转移矩阵，充分保留了离散化时域动态信息，最终利用模糊内核聚合生成二维图像。以电压正弦信号为例，MTF示意图如下图所示。
MTF-CNN-Attention进行故障识别的方法具有几个创新性的方面：
输入数据格式：（一行一个样本，最后一列表示故障所属类别标签）
训练曲线：准确率和损失变化图
加载数据data = xlsread('特征数据带标签.xlsx');获取数据集的样本数量和每个样本的长度sampleLength] = size(data);循环处理每个样本数据for sampleIdx = 1:numSamples生成数据从data中获取当前样本数据featureData = data(sampleIdx, 1:end - 1);X = featureData;m = length(X);将数据归一化到[0, 1]X_normalized = (X - min(X)) / (max(X) - min(X));构造转移矩阵WnumDataPoints = length(X);分成Q个分位箱（按照个数），从小往大：1、2、3、4Q = 4;将每个元素映射到分位箱1、2、3、4，X_Q = ones(1, numDataPoints);threshold = 0;初始化阈值thresholds = ones(1, Q + 1);for i = 2 : Q + 1循环计算小于当前阈值的数据个数，达到阈值时跳出循环while sum(X_normalized < threshold) < numDataPoints * (i - 1) / Qthreshold = threshold + 0.0001;end记录每一个分位箱的阈值= threshold;将原始数据向量变成对应的分位箱次序向量< thresholds(i) & X_normalized > thresholds(i - 1))) = i - 1;end计算马尔可夫矩阵初始化各状态转移计数sum_11 = 0; sum_12 = 0; sum_13 = 0; sum_14 = 0;sum_21 = 0; sum_22 = 0; sum_23 = 0; sum_24 = 0;sum_31 = 0; sum_32 = 0; sum_33 = 0; sum_34 = 0;sum_41 = 0; sum_42 = 0; sum_43 = 0; sum_44 = 0;
欢迎感兴趣的小伙伴点击“阅读原文”或上方链接获得完整版代码哦~，关注小编会继续推送更有质量的学习资料、文章程序代码~
