典型文献
基于Bagging二次加权集成的孤立森林窃电检测算法
文献摘要：
随着智能电网的高速发展,窃电方式呈现多样化,窃电数据也具有难以标注且样本类不平衡的特征.针对窃电数据无标签且类不平衡的窃电检测问题,提出一种基于Bagging二次加权集成的孤立森林窃电检测算法.首先,通过分析居民和商业用户存在的窃电模式,基于孤立类间相似度最低准则,对各类窃电模式的孤立特征顺序进行优选并训练对应的孤立森林模型;其次,使用加权投票法获得二次集成孤立森林模型,实现了窃电模式不平衡分布条件下的窃电检测.对7种常用学习算法和Bagging异质集成学习算法进行了比较,仿真实验结果表明所提算法的孤立特征顺序优选策略有效提高了无标签且类不平衡条件下的窃电检测效果,二次加权集成策略提高了窃电模式不平衡分布条件下的窃电检测效果.
文献关键词：
集成学习;Bagging集成;孤立森林;窃电检测;类不平衡数据
中图分类号：
作者姓名：
李国成;陆俊;王赟;黄瑞;刘谋海
作者机构：
华北电力大学电气与电子工程学院,北京市 102206;国网湖南省电力有限公司供电服务中心,湖南省长沙市 410004;智能电气量测与应用技术湖南省重点实验室,湖南省长沙市 410004
文献出处：
引用格式：
[1]李国成;陆俊;王赟;黄瑞;刘谋海-.基于Bagging二次加权集成的孤立森林窃电检测算法)[J].电力系统自动化,2022(02):92-100
A类：
集成孤立森林
B类：
Bagging,二次加权,加权集成,窃电检测,检测算法,智能电网,本类,无标签,检测问题,析居,民和,加权投票,投票法,平衡分布,布条,用学,异质集成,集成学习算法,平衡条件,检测效果,集成策略,类不平衡数据
AB值：
0.220751
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。
