为了进一步提升非侵入式负荷识别算法精度,本文提出一种方法,针对随机森林算法中的决策树数目、分裂内部节点需要的最少样例数和叶子节点最少样本数等超参数,采用改进的粒子群优化算法进行全局寻优。在REDD(Reference Energy Disaggrega...为了进一步提升非侵入式负荷识别算法精度,本文提出一种方法,针对随机森林算法中的决策树数目、分裂内部节点需要的最少样例数和叶子节点最少样本数等超参数,采用改进的粒子群优化算法进行全局寻优。在REDD(Reference Energy Disaggregation Dataset)公开数据集上进行仿真分析,并与默认参数和网格搜索两种超参数确定手段进行对比,实验结果证明本文算法对于家庭常见典型用电设备有更高的识别度。展开更多
文摘为了进一步提升非侵入式负荷识别算法精度,本文提出一种方法,针对随机森林算法中的决策树数目、分裂内部节点需要的最少样例数和叶子节点最少样本数等超参数,采用改进的粒子群优化算法进行全局寻优。在REDD(Reference Energy Disaggregation Dataset)公开数据集上进行仿真分析,并与默认参数和网格搜索两种超参数确定手段进行对比,实验结果证明本文算法对于家庭常见典型用电设备有更高的识别度。