不平衡数据集下基于CVAE-CNN模型的智能电表故障多分类方法 |
| |
作者姓名: | 高欣 纪维佳 赵兵 贾欣 黄子健 任昺 |
| |
作者单位: | 北京邮电大学 人工智能学院,北京市 海淀区 100876;华北电力大学 电气与电子工程学院,北京市 昌平区 102206;中国电力科学研究院有限公司,北京市 海淀区 100192 |
| |
摘 要: | 提高智能电表故障不平衡多分类准确率对用电采集系统的可靠运行具有重要意义.传统机器学习中以合成少数类过采样(synthetic minority oversampling technique,SMOTE)算法及其变体为代表的过采样方法,较少考虑数据全局分布,而后续采用的分类算法难以从数据中获取更深层特征信息.基于深度学习...
|
关 键 词: | 智能电表 故障多分类 不平衡数据 条件变分自编码器 卷积神经网络 |
本文献已被 CNKI 万方数据 等数据库收录! |
|