基于混合神经网络和集成学习的非侵入式负荷识别算法

发明专利有效专利

申请号：
CN201710152682.1
IPC分类号：G06K9/62;G06N3/04;G06Q50/06
申请日期：
2017-03-15
申请人：
华北电力大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于混合神经网络和集成学习的非侵入式负荷识别算法
申请号	CN201710152682.1	申请日期	2017-03-15
法律状态	授权	申报国家	中国
公开/公告日	2017-09-01	公开/公告号	CN107122790A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;Q;5;0;/;0;6查看分类表>
申请人	华北电力大学	申请人地址	北京市昌平区朱辛庄北农路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华北电力大学	当前权利人	华北电力大学
发明人	焦润海;黄栩鉴;尚青兰;牛文静
代理机构	北京众合诚成知识产权代理有限公司	代理人	陈波

摘要

本发明属于数据挖掘与机器学习领域，尤其涉及一种基于混合神经网络和集成学习的非侵入式负荷识别算法。首先对实验数据进行处理，使数据的格式符合模型的输入格式。处理好数据后建立混合神经网络模型，将数据输入到模型中，经过训练和测试得出识别结果，用集成学习的思想，对三个不同的模型的结果进行投票，得出最终识别结果。本发明得混合神经网络的特征提取效果以及负荷识别的效果都高于传统神经网络；同时提出了一种基于集成学习思想的方法，通过从总特征集中选择多个特征子集训练多个基分类器，再将多个基分类器进行结合，以降低方差并提升最终结果的识别效果，解决了引入谐波特征对识别效果产生不良影响的问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供