基于KD树和BP神经网络的非侵入式负荷识别算法

针对现有的非侵入式负荷监测方法难以准确识别具有相似电特性负荷的问题,提出了一种基于切换概率分布曲线对识别结果进行修正的非侵入式负荷监测方法。首先,将电流分解为各负荷的独立工作电流;其次,利用谐波特征对负荷进行初始识别;然后,利用已有数据训练BP神经网络,拟合出被识别负荷的切换概率分布曲线;最后,根据切换概率分布曲线对识别结果进行修正。利用实测数据进行分析,验证了该方法的有效性。

融合多特征的老挝机构名实体识别方法

为了解决老挝机构名实体构词方法和语法规则复杂的问题,提出融合多特征的CRF与SVM的实体识别框架。面向老挝语机构名构词特点,将老挝机构名称分为前缀词和后缀词,将前缀词提取构造成一个机构名称特征词典,基于词典与SVM模型确定老挝机构名称前界,再使用融合多特征的CRF模型识别机构名称;最后使用SVM确定的前缀词修正CRF的识别结果。实验结果表明,精确率达到83.49%,召回率达到81.99%,证明了该方法的有效性。文中方法结合了SVM模型与CRF模型的优点,并融合了老挝机构名称的相关语言学特征,取得了较好的识别效果。