基于残差全连接神经网络的电力监控系统异常行为检测方法OA北大核心CSCDCSTPCD
Abnormal behavior detection method for power monitoring system based on fully connected residual neural network
为了提升电力监控系统异常行为检测能力,提出了一种基于残差全连接神经网络的电力监控系统异常行为检测方法.将深度学习模型与半监督学习方法相结合,构建了两级残差全连接神经网络,并将其作为核心分类模型.选取训练样本特征子空间、有标记训练样本子集、残差全连接层层数的多种不同组合,采用混合扰动的方法生成具有差异性的成员分类器.基于成员分类器的分类误差率,通过加权多数表决对无标记样本数据进行增量学习,生成分类识别能力较强的集成分类器.实验结果表明,在同等标记数…查看全部>>
李伟;霍雪松;张明;朱红勤
东南大学计算机科学与工程学院,南京211189国网江苏省电力有限公司,南京210000国网江苏省电力有限公司,南京210000国网江苏省电力有限公司,南京210000
信息技术与安全科学
电力监控系统异常行为检测残差全连接神经网络集成学习
《东南大学学报（自然科学版）》 2020 (6)
1062-1068,7
国家重点研发计划资助项目(2017YFB1003000)、国网江苏省电力有限公司科技资助项目(J2018039).
评论