| 基于改進Stacking集成分類算法的用戶用電信息異常識別 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：1278 K | |
| 標簽： 用戶用電信息 異常識別 改進Stacking集成分類算法 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：隨著電力用戶信息采集系統的發展，更豐富的用戶用電信息被用于用戶用電信息異常的識別。基于FDI攻擊進行虛假數據注入，構造用戶用電信息異常數據集，并提出了一種基于召回率的改進Stacking集成分類算法。該算法采用K-近鄰算法（k-Nearest Neighbors，KNN）、隨機森林模型（Random Forests，RF）、支持向量機（Support Vector Machine，SVM）以及梯度決策樹（Gradient Boosting Decision Tree，GBDT）作為Stacking結構的基分類模型；采用邏輯回歸（Logistic Regression，LR）作為Stacking結構的元分類模型。并基于召回率為基分類模型的輸出結果進行權值賦值，從而作為元分類模型的輸入數據集。通過實驗驗證，所提的基于召回率的改進Stacking集成分類算法相比于傳統Stacking集成分類算法擁有更高效的分類性能。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2