文献

J-GLOBAL ID：202002237968985016   整理番号：20A2500752

決定木と改良型SVMに基づく異常電力消費検出技術の研究【JST・京大機械翻訳】

Research on Abnormal Power Consumption Detection Technology Based on Decision Tree and Improved SVM

著者 (4件)： Wang Hongjun (Tianjin University of Technology,Tianjin Key Laboratory for Control Theory and Applications in Complicated System,Tianjin,China,300384) ,  Li Zhiqi (Tianjin University of Technology,Tianjin Key Laboratory for Control Theory and Applications in Complicated System,Tianjin,China,300384) ,  Zhao Hui (Tianjin University of Technology,Tianjin Key Laboratory for Control Theory and Applications in Complicated System,Tianjin,China,300384) ,  Yue Youjun (Tianjin University of Technology,Tianjin Key Laboratory for Control Theory and Applications in Complicated System,Tianjin,China,300384)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICMA  ページ： 1687-1691  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電力利用者のための異常電力消費検出の主目的は,正当な権利と正常ユーザの関心を維持することであり,送電網企業の経済的利益を改善し,それによって,非技術的損失(NTL)を減少することである。ユーザ側データの合理的利用を実現して,電力監査の効率を改善するために,本論文は,ディシジョンツリーに基づく改良SVM電力ft検出モデルを提案した。最初に,より少ない電力封じ込めデータの問題に取り組むために,本論文は,データ生成のために畳込みニューラルネットワーク(CNN)と生成敵対ネットワーク(GAN)を結合して,CNNの強力な特徴抽出機能を用いて,GANをガイドする種々の密封方法の特徴を抽出した。次に,ディシジョンツリー(DT)に基づく改良サポートベクトルマシン(SVM)モデルは,ユーザデータを検出する。分類のために,分類のためにSVMとKNNを結合して,それは決定平面近くのSVMのポイントを解決する。低分類精度の問題のために,シミュレーション実験は最終的に提案モデルの有効性を検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *電力 ,  ネットワーク ,  *電力消費 ,  送電系統 ,  特徴抽出 ,  *検出法 ,  *ディシジョンツリー ,  有効性 ,  サポートベクトルマシン
準シソーラス用語： 分類精度 ,  電力利用 ,  経済的利益 ,  データ生成 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 決定木 ,  SVM ,  電力消費 ,  研究