文献

J-GLOBAL ID：202202256418545883   整理番号：22A0862844

教師なし機械学習ベース行列プロファイルとK平均クラスタリング技法を用いた電気盗検出【JST・京大機械翻訳】

Electric Theft Detection Using Unsupervised Machine Learning-Based Matrix Profile and K-Means Clustering Technique

著者 (4件)： Hussain Saddam (School of Electrical Engineering, University Technology Malaysia, Skudai, Johor Bahru, Malaysia) ,  Mustafa Mohd. Wazir (School of Electrical Engineering, University Technology Malaysia, Skudai, Johor Bahru, Malaysia) ,  James Steve Ernest (Department of Actuarial Science and Risk Management, Institute of Business Management, Karachi, Sindh, Pakistan) ,  Baloch Shadi Khan (Department of Mechatronics Engineering, Mehran University of Engineering and Technology, Jamshoro, Sindh, Pakistan)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 834  ページ： 15-24  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電気料金は,大きな収入損失を引き起こし,送電網信頼性に影響するので,異なる国のユーティリティ企業が直面する主要な問題である。本論文では,行列プロファイルとK平均クラスタリングアルゴリズムを用いた教師なし機械学習技術に基づく新しい電気ft検出フレームワークを提案した。提案したフレームワークは,パキスタンの配電会社から得られた従来の電力消費計データセットにおける fraudster消費者を同定するために3つの段階に基づいている。最初に,欠損と矛盾した観測を,取得したデータセットからフィルタリングした。その後,各消費者の消費プロファイルからのマトリックスプロファイルを計算し,それらに存在する不規則で突然の変化を同定した。後に,K平均クラスタリングアルゴリズムを,各消費者を「Healthy」と「Hetft」にラベル付けするために,それらの計算行列プロファイル値に基づいて分割されたデータセットに使用して,開発したフレームワークを最新の機械学習アルゴリズムおよび統計的ベースの異常値検出法の最新状態に対して比較した。提案技法は93%の精度と91%の検出率を達成し,これは全ての比較モデルよりも大きい。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  消費者 ,  信頼性 ,  電力消費 ,  送電系統 ,  電気料金 ,  配電 ,  フィルタリング ,  パキスタン・イスラム共和国 ,  *クラスタ化 ,  *機械学習 ,  学習アルゴリズム ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： 検出率 ,  クラスタリングアルゴリズム ,  *教師なし機械学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電力分配 ,  電気船 ,  マトリックスプロファイル ,  K平均クラスタリングアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 教師なし機械学習 ,  行列 ,  プロファイル ,  平均 ,  クラスタリング ,  技法