-
题名基于欠完备自编码器的用户用电行为分类分析方法
被引量：8
- 1
-
-
作者
黄奇峰
杨世海
邓欣宇
陈海文
王守相
-
机构
国网江苏省电力有限公司电力科学研究院
天津大学智能电网教育部重点实验室
-
出处
《电力工程技术》
2019年第6期24-30,共7页
-
基金
国家重点研发计划资助项目“城区用户与电网供需友好互动系统”(2016YFB0901100)
-
文摘
针对电力大数据背景下用户用电行为复杂多变、分析困难的问题,提出了一种基于欠完备自编码器的用户用电行为分类分析方法。首先,通过欠完备自编码器对智能电表数据进行编码,实现对原始数据的特征抽取,并使用反向传播(BP)神经网络进行用户用电行为分类分析;然后,对最佳编码比率进行优选,并结合用户的典型用电特征作为神经网络的输入,提高了分类准确率;最后,在爱尔兰智能电表数据集上进行了仿真实验,并与直接使用BP神经网络进行对比,分析表明,文中所提出的用户用电行为分类分析方法不仅可以提高检测准确率,帮助电力公司更好地掌握用户用电规律,辅助需求响应实施,还能显著降低算法的运行时间。
-
关键词
欠完备自编码器
用户用电行为分析
需求响应
特征挖掘
智能用电
智能电表
-
Keywords
undercomplete autoencoder
electricity consumption behavior analysis
demand response
feature mining
intelligent electricity consumption
smart meter
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名一种欠完备自编码器调制识别技术
被引量：2
- 2
-
-
作者
张培钺
徐湛
赵弋洋
陈晋辉
职如昕
-
机构
北京信息科技大学信息与通信工程学院
北京西普阳光教育科技股份有限公司
-
出处
《电讯技术》
北大核心
2020年第5期567-571,共5页
-
基金
北京市科技计划课题资助(Z191100001419001)
北京市优秀人才资助计划青年拔尖项目(2016000026833ZK08)
+2 种基金
北京市属高校高水平教师队伍建设支持计划“青年拔尖人才培养计划”(CIT&TCD201704065)
国家自然科学基金资助项目(61620106001)
北京信息科技大学学科建设类项目(5121911006)。
-
文摘
基于信号特征进行模式识别的调制识别方法需要先计算信号的高阶特征、高阶累积量再进行模式识别,整体设计复杂,特征不易计算。机器学习技术由于其强大的特征提取能力和分类能力,被广泛应用到模式识别领域中。针对调制识别问题,提出了一种基于欠完备自编码器的调制识别技术,使用欠完备自编码器进行调制信号的特征自动提取,再使用神经网络分类器进行分类识别。整体模型更为简洁,运算复杂度较低,有利于部署在硬件上进行实时识别。对常见的BPSK、QPSK、2ASK、2FSK、16QAM数字调制方式进行的识别实验表明,算法在信噪比10 dB时平均识别率高于0.97,并且在信噪比为0 dB时仍然有0.92以上的平均识别率。
-
关键词
认知无线电
调制识别
神经网络
欠完备自编码器
特征提取
-
Keywords
cognitive radio
modulation recognition
neural network
undercomplete autoencoder
feature extraction
-
分类号
TN911.72
[电子电信—通信与信息系统]
-
-
题名智能车路系统交叉口的层级解耦及测评要素提取研究
- 3
-
-
作者
任毅龙
林源
曲桂娴
鹿应荣
于海洋
张子洋
-
机构
北京航空航天大学交通科学与工程学院
北京航空航天大学车路协同与安全控制北京市重点实验室
-
出处
《中国基础科学》
2021年第1期51-56,共6页
-
基金
国家重点研发计划项目(2018YFB1600800)
-
文摘
随着人工智能和交通大数据技术的快速发展,智能车路系统(IVIS)作为一种改善道路性能的智能交通控制技术,得到了国内外学者的广泛研究。为了解决当前复杂环境下IVIS测评要素不足的问题,本文提出了智能车路系统层级解耦与测评要素提取的方法。通过建立IVIS交叉口测评要素高维矩阵,采用欠完备自编码器对高维矩阵进行线性降维,分析IVIS高维矩阵的耦合机理,有效降低数据的冗余度,并针对IVIS效率、环保、舒适性层级中数据的异质性和同质性特征,采用支持向量机—递归特征消除算法有效分层提取主体的测评要素,确定各测评要素的权重,最后利用SUMO仿真软件构建了IVIS交叉口仿真场景并完成了测评要素提取。该方法可以为IVIS测评指标体系的完善提供理论依据,为IVIS技术发展提供良好的支撑。
-
关键词
智能车路系统
欠完备自编码器
支持向量机—递归特征消除算法
测评要素
-
Keywords
intelligent vehicle-infrastructure system
undercomplete autoencoder
support vector machine-recursive feature elimination method
assessment element
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-
