10.3969/j.issn.1000-386x.2022.12.009
结合堆叠稀疏自编码器与改进深度森林的窃电检测方法
针对现有窃电检测方法提取的用电特征有效性低,分类算法未注重样本类分布不平衡而导致窃电用户检出率不高的问题,提出一种堆叠稀疏自编码器与改进深度森林结合的窃电检测模型.堆叠稀疏自编码器用于从原始用电数据中提取高度抽象潜在的特征,深度森林算法对所得到的特征进行分类学习.引入Hellinger dis-tance作为深度森林决策树的分裂指标以改进样本类别不平衡问题.实例分析表明,在DR值上所提模型与Deep Forest、RF和ANN相比,分别提高12.96％、13.68％和17.7％,有效提高了少数类窃电用户的检出率.
窃电检测、深度森林、稀疏自编码器、不平衡样本、深度学习
39
TP399(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;上海市信息安全综合管理技术研究重点实验室开放课题
2023-02-09（万方平台首次上网日期，不代表论文的发表时间）
共10页
64-72,158
