-
公开(公告)号：CN117609735A
公开(公告)日：2024-02-27
申请号：CN202311769682.8
申请日：2023-12-21
Applicant: 厦门大学
IPC: G06F18/20 , G06F18/213 , G06F18/2433 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于时域随机抽样及集成决策的电力状态异常检测方法，包括以下步骤：获取数据集，所述数据集包括训练集和测试集；对训练集采用时域随机抽样方式进行多次扩增以获取扩增后的训练集；搭建深度学习模型，设置相关超参数并利用扩增后的训练集进行训练；对测试集采用时域随机抽样方式进行多次扩增以获取多份抽样测试集；利用多份抽样测试集对训练好的深度学习模型进行性能验证；利用训练好的深度学习模型进行电力状态数据异常检测。本发明基于时域随机抽样生成电力数据多个副本，模拟数据不完整场景，同时扩展样本数据集，还有效解决了深度学习时训练样本不足的问题，最后通过投票进一步提升分类精度。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
