HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于小波设计和数据挖掘算法协同训练的非侵入式负载识别

作者:周步祥; 张致强; 袁岳; 刘治凡; 廖敏芳非侵入式负荷识别小波分析决策树算法k近邻算法协同训练

摘要:居民用电信息细化对于规划居民电器使用和降低电能消耗具有重要的意义。文章在非侵入式负载识别技术的基础上,提出了一种利用数据挖掘算法进行协同训练的方法,小波设计用于提取家庭常用电器的开、关暂态特性的特征信息,利用小波的能量系数作为特征值,使用k近邻算法和决策树算法协同训练分类出负载样本,对测试集进行了算法验证实验,在简化了计算复杂性的基础上获得了更高的识别精度,克服了一对余算法在分类真实负类事件上存在的缺陷,为用电可视化的研究工作打下基础。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电测与仪表

《电测与仪表》(CN:23-1202/TH)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《电测与仪表》主要报道电磁参数的测量方法,测量仪器、仪表、测试系统以及非电量测量的电测技术。数字化的测量方法、模块化的仪表结构、高速的数据采集与传输及测量的自动化、智能化、虚拟化、网络化,使测量方式有了革命性的突破,仪器、仪表的功能、性能、测量速度、可靠性、使用性都有了提高与改进。本刊愿为这技术领域提供一个推进、传递与交流的园地。

杂志详情