典型文献
基于DCNN和SVC的窃电检测
文献摘要:
针对目前窃电检测方法存在对大规模特征分类准确率较低的问题,提出基于DCNN和SVC的窃电检测方法.从电力数据的二维角度出发,对用户的电力数据按照周数进行矩阵化,利用改进的DCNN算法对二维矩阵进行自主学习,提取特征数据并降低分类器的输入特征维数,将DCNN提取的特征数据输入到SVC分类器中,识别窃电用户.采用国家电网公开数据集建立实验模型,进一步验证方法可行性,结果表明所提方法不仅能降低输入特征维度,而且提高了窃电检测的准确率.
文献关键词:
窃电检测;深度卷积神经网络算法;支持向量分类机
中图分类号:
作者姓名:
张梦楠;李红娇
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]张梦楠;李红娇-.基于DCNN和SVC的窃电检测)[J].计算机仿真,2022(06):92-97,429
A类:
支持向量分类机
B类:
DCNN,SVC,窃电检测,规模特征,特征分类,分类准确率,电力数据,矩阵化,二维矩阵,提取特征,特征数据,分类器,输入特征,国家电网,公开数据集,数据集建立,实验模型,验证方法,深度卷积神经网络算法
AB值:
0.2848
相似文献
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。