基于改進(jìn)Stacking集成分類算法的用戶用電信息異常識(shí)別
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>1278 K
標(biāo)簽： 用戶用電信息 異常識(shí)別 改進(jìn)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(tǒng)的發(fā)展，更豐富的用戶用電信息被用于用戶用電信息異常的識(shí)別。基于FDI攻擊進(jìn)行虛假數(shù)據(jù)注入，構(gòu)造用戶用電信息異常數(shù)據(jù)集，并提出了一種基于召回率的改進(jìn)Stacking集成分類算法。該算法采用K-近鄰算法（k-Nearest Neighbors，KNN）、隨機(jī)森林模型（Random Forests，RF）、支持向量機(jī)（Support Vector Machine，SVM）以及梯度決策樹（Gradient Boosting Decision Tree，GBDT）作為Stacking結(jié)構(gòu)的基分類模型；采用邏輯回歸（Logistic Regression，LR）作為Stacking結(jié)構(gòu)的元分類模型。并基于召回率為基分類模型的輸出結(jié)果進(jìn)行權(quán)值賦值，從而作為元分類模型的輸入數(shù)據(jù)集。通過實(shí)驗(yàn)驗(yàn)證，所提的基于召回率的改進(jìn)Stacking集成分類算法相比于傳統(tǒng)Stacking集成分類算法擁有更高效的分類性能。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。