我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于GRU-Bagging模型的异常用电行为检测 下载：76 浏览：465

马云波1，2 李英娜1，2 李川1，2 《数据与科学》 2020年9期

摘要:
针对真实窃电用户数量远远少于正常用电用户所导致的窃电用户分类预测不合理的问题,本文提出了一种基于GRU-Bagging模型的异常用电行为检测方法。首先通过构建基于门控制单元(GRU)的特征提取网络从用户历史负荷序列数据中提取出潜在优选特征;然后利用SMOTE算法增加少数窃电用户的数据量,有效解决数据分布不均衡问题;最后,采用Bagging集成学习模型训练并预测新的测试样本的类别。实验结果表明,该方法在不平衡数据集上表现良好,预测准确度达到86.17%,召回率更是达到95.34%。此外,与长短期记忆网络(LSTM)以及人工特征提取方法相比,所提特征提取方法具有更高效的性能。

高度不平衡数据的代价敏感随机森林分类算法 下载：57 浏览：348

平瑞 周水生 李冬 ​ 《人工智能研究》 2020年6期

摘要:
在处理高度不平衡数据时,代价敏感随机森林算法存在自助法采样导致小类样本学习不充分、大类样本占比较大、容易削弱代价敏感机制等问题.文中通过对大类样本聚类后,多次采用弱平衡准则对每个集群进行降采样,使选择的大类样本与原训练集的小类样本融合生成多个新的不平衡数据集,用于代价敏感决策树的训练.由此提出基于聚类的弱平衡代价敏感随机森林算法,不仅使小类样本得到充分学习,同时通过降低大类样本数量,保证代价敏感机制受其影响较小.实验表明,文中算法在处理高度不平衡数据集时性能较优.

基于安全样本筛选的不平衡数据抽样方法 下载：72 浏览：394

石洪波 刘焱昕 冀素琴 ​ 《人工智能研究》 2019年12期

摘要:
针对欠抽样可能导致有用信息的丢失,以及合成小类的过抽样技术（SMOTE）可能使大类和小类间类重叠更严重的问题,文中提出基于安全样本筛选的欠抽样和SMOTE结合的抽样方法（ScreeningSMOTE）.利用安全筛选规则,识别并丢弃大类中部分对确定决策边界无价值的实例和噪音实例,采用SMOTE对筛选后数据集进行过抽样.基于安全样本筛选的欠抽样既避免原始数据中有价值信息的丢失,又丢弃大类中的噪音实例,缓减过抽样数据集类重叠的问题.实验表明在处理不平衡数据集,特别是维数较高的不平衡数据集时ScreeningSMOTE的有效性.

面向不平衡数据流的自适应加权在线超限学习机算法 下载：78 浏览：376

梅颖 卢诚波 《人工智能研究》 2019年4期

摘要:
一般的在线学习算法对不平衡数据流的分类识别会遇到较大困难,特别是当数据流发生概念漂移时,对其进行分类会变得更困难.文中提出面向不平衡数据流的自适应加权在线超限学习机算法,自动调整实时到达的训练样本的惩罚参数,达到在线学习不平衡数据流的目的.文中算法可以适用于不同偏斜程度的静态数据流的在线学习和发生概念漂移时数据流的在线学习.理论分析和在多个真实数据流上的实验表明文中算法的正确性和有效性.
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享