及时准确识别电力调度自动化系统业务运行异常对于维护具有“双高”特性的交直流混联大电网系统安全稳定运行具有重要意义。调度自动化系统运行业务种类繁多、业务状态监测维度多样且各业务之间存在复杂交互关系,导致调度监测数据的异...及时准确识别电力调度自动化系统业务运行异常对于维护具有“双高”特性的交直流混联大电网系统安全稳定运行具有重要意义。调度自动化系统运行业务种类繁多、业务状态监测维度多样且各业务之间存在复杂交互关系,导致调度监测数据的异常模式呈现多样化的特点。现有基于动态选择集成的无监督异常检测方法存在衡量基检测器性能的评价基准不准确且只使用单一性能指标的问题,难以在多种异常分布模式上均保持较好的性能。该文提出一种基于元学习动态选择集成的电力调度数据异常检测方法。针对评价基准不准确的问题,提出一种混合选择集成思想,通过基于孤立森林的静态选择方法预先剔除性能较差的基检测器,再对筛选后的基检测器进行动态选择集成,有效提高了假真值的准确性;针对单一指标通用性弱的问题,提出融入元学习的基检测器动态选择集成策略,将多个基检测器的动态选择问题转换为二分类问题,设计多种指标作为元特征来训练元分类器,并根据其输出选择性能较好的基检测器进行检测,通过多种指标互补以获得更强的通用性。在30个权威公开数据集和某省级电网调度中心业务数据集上开展了大量实验,与多种典型集成异常检测方法进行了对比,验证了所提方法在曲线下面积值(area under curve,AUC)值指标上的先进性以及实际应用上的有效性。展开更多
针对数据集标签缺失且类别分布极不平衡的信用卡欺诈检测问题,提出一种基于动态集成选择算法的信用卡审批异常检测模型DES-HBOS(Dynamic Ensemble Selection based on Histogram-based Outlier Score)。首先,利用无监督异常检测算法构...针对数据集标签缺失且类别分布极不平衡的信用卡欺诈检测问题,提出一种基于动态集成选择算法的信用卡审批异常检测模型DES-HBOS(Dynamic Ensemble Selection based on Histogram-based Outlier Score)。首先,利用无监督异常检测算法构造训练集客户的伪标签;然后,确定待测客户能力区域,根据Pearson相关系数评估分类器性能;最后,选择一组较优的分类器对待测客户进行集成。在真实信用卡客户数据集上的实验表明,与其他6种经典异常检测模型相比,DES-HBOS的Recall更高,能将更多欺诈客户识别出来。在4个不平衡数据集上进行对比实验,实验结果表明与HBOS相比,DES-HBOS检测异常能力更强。展开更多
针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题,提出了一种基于约束得分的动态集成选择算法(dynamic ensemble selection based on bagging constraint score,BCS-DES)。该算法将bagging约束得分(bagging constraint...针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题,提出了一种基于约束得分的动态集成选择算法(dynamic ensemble selection based on bagging constraint score,BCS-DES)。该算法将bagging约束得分(bagging constraint score,BCS)引入动态集成选择算法,通过将样本空间划分为不同的区域,使用多种群并行遗传算法为不同测试样本选择局部最优的分类集成,达到提高分类精度的目的。在UCI实验数据集上进行的实验表明,BCS-DES算法较现有的特征选择算法受成对约束组成和基数影响更小,效果更好。展开更多
针对传统方法提取文本特征向量存在语义缺失,以及有些文本情感识别任务涉及多分类问题,提出一种新的基于BERT(bidirectional encoder representations from transformers)和动态集成选择的多分类文本情感识别策略。首先,采用BERT对文本...针对传统方法提取文本特征向量存在语义缺失,以及有些文本情感识别任务涉及多分类问题,提出一种新的基于BERT(bidirectional encoder representations from transformers)和动态集成选择的多分类文本情感识别策略。首先,采用BERT对文本进行向量化处理,针对多分类文本情感识别任务采用OVO分解策略拆分成多个二分类子任务;其次,针对每个子任务采用动态集成选择策略构建分类器集成模型;最后,基于聚合策略获得最终的预测结果。采用公开的影评数据集对所提出的方法进行实证分析。结果表明:(1)相较于传统的TF-IDF与Word2Vec方法,基于BERT模型的词向量化处理有助于提高文本情感识别精度;(2)针对多分类情感识别任务中的每个子问题,采用动态集成选择策略可以有效提高识别效果;(3)本文建立的预测模型性能比其他现有情感识别模型具有显著优势。展开更多
文摘及时准确识别电力调度自动化系统业务运行异常对于维护具有“双高”特性的交直流混联大电网系统安全稳定运行具有重要意义。调度自动化系统运行业务种类繁多、业务状态监测维度多样且各业务之间存在复杂交互关系,导致调度监测数据的异常模式呈现多样化的特点。现有基于动态选择集成的无监督异常检测方法存在衡量基检测器性能的评价基准不准确且只使用单一性能指标的问题,难以在多种异常分布模式上均保持较好的性能。该文提出一种基于元学习动态选择集成的电力调度数据异常检测方法。针对评价基准不准确的问题,提出一种混合选择集成思想,通过基于孤立森林的静态选择方法预先剔除性能较差的基检测器,再对筛选后的基检测器进行动态选择集成,有效提高了假真值的准确性;针对单一指标通用性弱的问题,提出融入元学习的基检测器动态选择集成策略,将多个基检测器的动态选择问题转换为二分类问题,设计多种指标作为元特征来训练元分类器,并根据其输出选择性能较好的基检测器进行检测,通过多种指标互补以获得更强的通用性。在30个权威公开数据集和某省级电网调度中心业务数据集上开展了大量实验,与多种典型集成异常检测方法进行了对比,验证了所提方法在曲线下面积值(area under curve,AUC)值指标上的先进性以及实际应用上的有效性。
文摘针对数据集标签缺失且类别分布极不平衡的信用卡欺诈检测问题,提出一种基于动态集成选择算法的信用卡审批异常检测模型DES-HBOS(Dynamic Ensemble Selection based on Histogram-based Outlier Score)。首先,利用无监督异常检测算法构造训练集客户的伪标签;然后,确定待测客户能力区域,根据Pearson相关系数评估分类器性能;最后,选择一组较优的分类器对待测客户进行集成。在真实信用卡客户数据集上的实验表明,与其他6种经典异常检测模型相比,DES-HBOS的Recall更高,能将更多欺诈客户识别出来。在4个不平衡数据集上进行对比实验,实验结果表明与HBOS相比,DES-HBOS检测异常能力更强。
文摘针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题,提出了一种基于约束得分的动态集成选择算法(dynamic ensemble selection based on bagging constraint score,BCS-DES)。该算法将bagging约束得分(bagging constraint score,BCS)引入动态集成选择算法,通过将样本空间划分为不同的区域,使用多种群并行遗传算法为不同测试样本选择局部最优的分类集成,达到提高分类精度的目的。在UCI实验数据集上进行的实验表明,BCS-DES算法较现有的特征选择算法受成对约束组成和基数影响更小,效果更好。
文摘针对传统方法提取文本特征向量存在语义缺失,以及有些文本情感识别任务涉及多分类问题,提出一种新的基于BERT(bidirectional encoder representations from transformers)和动态集成选择的多分类文本情感识别策略。首先,采用BERT对文本进行向量化处理,针对多分类文本情感识别任务采用OVO分解策略拆分成多个二分类子任务;其次,针对每个子任务采用动态集成选择策略构建分类器集成模型;最后,基于聚合策略获得最终的预测结果。采用公开的影评数据集对所提出的方法进行实证分析。结果表明:(1)相较于传统的TF-IDF与Word2Vec方法,基于BERT模型的词向量化处理有助于提高文本情感识别精度;(2)针对多分类情感识别任务中的每个子问题,采用动态集成选择策略可以有效提高识别效果;(3)本文建立的预测模型性能比其他现有情感识别模型具有显著优势。
