典型文献
基于VAE预处理和RP-2D CNN的不平衡负荷数据类型辨识方法
文献摘要：
针对负荷数据类型辨识中存在的类别不平衡及特征提取不足的问题,提出一种基于变分自编码器预处理和递归图-二维卷积神经网络的不平衡负荷数据类型辨识方法.首先,利用变分自编码器的过采样方法对少数类样本进行平衡化处理.然后,使用递归图算法将负荷曲线图像化.最后,根据二维卷积神经网络求取分类结果.算例分析表明,变分自编码器能有效地改善负荷数据中存在的类别不平衡问题,提高少数类的召回率;同时,相比于序列输入的分类器模型,经过递归图编码后,其图像输入的二维卷积神经网络模型有更高的分类准确度.
文献关键词：
变分自编码器;递归图;类别不平衡;负荷分类
中图分类号：
作者姓名：
黄冬梅;吴志浩;孙园;胡安铎;时帅;孙锦中
作者机构：
上海电力大学电子与信息工程学院,上海 201306;上海电力大学电气工程学院,上海 200090;海电力大学数理学院,上海 201306
文献出处：
引用格式：
[1]黄冬梅;吴志浩;孙园;胡安铎;时帅;孙锦中-.基于VAE预处理和RP-2D CNN的不平衡负荷数据类型辨识方法)[J].电力系统及其自动化学报,2022(10):66-72,80
A类：
B类：
VAE,RP,2D,不平衡负荷,负荷数据,数据类型,类型辨识,辨识方法,类别不平衡,变分自编码器,递归图,二维卷积神经网络,过采样,采样方法,少数类,平衡化处理,负荷曲线,曲线图,图像化,求取,取分,算例分析,不平衡问题,召回率,分类器,图编码,卷积神经网络模型,负荷分类
AB值：
0.267311
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。
