首页> 中文期刊> 《计算机应用与软件》 >结合堆叠稀疏自编码器与改进深度森林的窃电检测方法

结合堆叠稀疏自编码器与改进深度森林的窃电检测方法

         

摘要

针对现有窃电检测方法提取的用电特征有效性低,分类算法未注重样本类分布不平衡而导致窃电用户检出率不高的问题,提出一种堆叠稀疏自编码器与改进深度森林结合的窃电检测模型。堆叠稀疏自编码器用于从原始用电数据中提取高度抽象潜在的特征,深度森林算法对所得到的特征进行分类学习。引入Hellinger distance作为深度森林决策树的分裂指标以改进样本类别不平衡问题。实例分析表明,在DR值上所提模型与Deep Forest、RF和ANN相比,分别提高12.96%、13.68%和17.7%,有效提高了少数类窃电用户的检出率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号