基于改进Stacking集成分类算法的用户用电信息异常识别AET-电子技术应用-最丰富的电子设计资源平台

基于改进Stacking集成分类算法的用户用电信息异常识别
所属分类：技术论文
上传者：zhoubin333
文档大小：1278 K
标签：用户用电信息异常识别改进Stacking集成分类算法
所需积分：0分积分不够怎么办？
文档介绍：随着电力用户信息采集系统的发展，更丰富的用户用电信息被用于用户用电信息异常的识别。基于FDI攻击进行虚假数据注入，构造用户用电信息异常数据集，并提出了一种基于召回率的改进Stacking集成分类算法。该算法采用K-近邻算法（k-Nearest Neighbors，KNN）、随机森林模型（Random Forests，RF）、支持向量机（Support Vector Machine，SVM）以及梯度决策树（Gradient Boosting Decision Tree，GBDT）作为Stacking结构的基分类模型；采用逻辑回归（Logistic Regression，LR）作为Stacking结构的元分类模型。并基于召回率为基分类模型的输出结果进行权值赋值，从而作为元分类模型的输入数据集。通过实验验证，所提的基于召回率的改进Stacking集成分类算法相比于传统Stacking集成分类算法拥有更高效的分类性能。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动