典型文献
结合堆叠稀疏自编码器与改进深度森林的窃电检测方法
文献摘要：
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 dis-tance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.
文献关键词：
窃电检测;深度森林;稀疏自编码器;不平衡样本;深度学习
中图分类号：
作者姓名：
王耀聃;李红娇;詹清钦
作者机构：
上海电力大学计算机科学与技术学院 上海 200090
文献出处：
引用格式：
[1]王耀聃;李红娇;詹清钦-.结合堆叠稀疏自编码器与改进深度森林的窃电检测方法)[J].计算机应用与软件,2022(12):64-72,158
A类：
B类：
堆叠,稀疏自编码器,进深,窃电检测,用电特征,分类算法,重样,本类,分布不平衡,检测模型,器用,用电数据,深度森林算法,分类学,Hellinger,dis,tance,决策树,类别不平衡,不平衡问题,DR,Deep,Forest,RF,ANN,少数类,不平衡样本
AB值：
0.298152
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
