典型文献
混合采样算法在电网假数据入侵检测上的应用
文献摘要：
针对电网的入侵检测是一项不平衡学习任务,非平衡的电网数据导致机器学习在检测时会偏向于将假数据识别为正常数据,提出用混合采样算法SMOTE+IHT对数据样本集预处理的方法.该方法在数据预处理方面,首次将过采样SMOTE算法和用概率决策进行欠采样的IHT算法相结合,不仅避免出现过拟合和欠拟合的现象,还有效减少了噪声数据的产生,数据处理后再用集成学习模型对虚假数据进行检测并对集成模型的超参数进行贝叶斯调参.经测试,所提出的混合采样算法对电网数据的利用达到最大化,进而提高电网假数据检测的准确率,在数据处理领域具有一定的应用和借鉴价值.
文献关键词：
SCADA系统;SMOTE+IHT算法;混合采样;集成学习;贝叶斯调参;入侵检测;训练集
中图分类号：
作者姓名：
戚元星;崔双喜;姚岱伟;闫斯哲
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830047
文献出处：
引用格式：
[1]戚元星;崔双喜;姚岱伟;闫斯哲-.混合采样算法在电网假数据入侵检测上的应用)[J].现代电子技术,2022(13):173-178
A类：
SMOTE+IHT,贝叶斯调参
B类：
混合采样,采样算法,假数据,入侵检测,不平衡学习,学习任务,非平衡,电网数据,数据识别,样本集,数据预处理,过采样,欠采样,避免出现,过拟合,欠拟合,噪声数据,集成学习模型,集成模型,超参数,数据检测,借鉴价值,SCADA,训练集
AB值：
0.32545
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。
