基于特征选择加权支持向量机的运动模式识别

针对人体运动模式识别中最优识别特征难以确定的问题,提出一种基于Relief-F特征加权支持向量机的运动模式识别算法。选取MEMS惯性传感器的加速度时域特征构成特征向量,通过Relief-F算法对特征向量各元素进行权重估计,构造一个最优权重特征向量,增大不同运动模式间特征向量的差异性,采用支持向量机作为分类器,可识别站立、走、跑、跳、跌倒、上楼、下楼7种运动模式。实验表明,所提出的算法能够准确识别多种运动模式,识别精度可达94.1%。

动态权重最大相关最小冗余算法

为解决特征选择中分辨特征之间的依赖和冗余问题,采用动态权重最大相关最小冗余算法(DWMRMR),在5个公共数据集上进行了验证以及算法比较。

基于用电特征分析的窃电行为识别方法

反窃电工作是实现电力企业用电管理不可或缺的环节.针对山东省用电用户数量多、分布面积广、窃电现象逐年上升、检测人员不足等特点,对获取的用户窃电行为数据进行合理的分析、处理,提出一种基于用电特征分析的窃电行为识别方法,实现对窃电嫌疑用户的筛查.该方法首先基于采集样本,以过滤式算法和规则阈值设定的方式,实现采集样本数据的特征提取,从而提高采集数据的有效性;随后以逻辑回归算法构建用户窃电行为诊断模型,实现对窃电嫌疑用户的判定;此外,采用推送、排查、处理和反馈的闭环工作机制不断优化模型,并以国网山东省电力公司用电信息采集系统、营销业务应用系统提供数据进行算例分析,验证了所述方法的可行性与适用性.

基于DTW-FCBF-LSTM模型的超短期风速预测

为了实时调整电网调度计划、提高电网消纳风电的能力,提出了一种基于动态时间规整(DTW)进行相似数据分析、快速相关过滤方法(FCBF)进行输入属性特征选择、以及基于长短期记忆神经网络(LSTM)的超短期风速预测方法。利用DTW方法筛选出与待预测数据相似性高的训练样本;运用FCBF算法得到优选的输入特征集;构建LSTM模型进行超短期风速预测。以风电场实测数据为算例,将文中方法与现有算法的预测精度进行了对比,验证了所提方法的有效性和先进性。