基于特征加权KNN的非侵入式负荷识别方法北大核心

针对不同稳态特征对识别结果的影响程度不同,并考虑到不平衡数据集造成的少数类误判的问题,提出一种基于特征加权KNN的非侵入式负荷识别方法。首先,采用熵权法计算特征权重,利用特征权重改进特征距离的计算。其次,根据样本数量和对应算法k值计算得到表决权重,带入投票表决过程中,以此来增加少数类的分类准确性。实验结果表明,针对实测负荷数据集时,本文算法的平均识别准确率为93.4%,与KNN算法相比提高了2.8%;针对公开数据集时,本文算法的平均准确率和F1得分分别为86.8%和81.6%,要优于其他4种分类算法。