基于L0稀疏超图半监督学习的异常用电行为识别

• 作者: 孙玉宝 袁少光 郭志民
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 用电行为分析 L0稀疏 超图 半监督学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 54-59
• 页数: 6页
• 分类号: TP391
• 字数: 5166字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.02.009

摘要

对异常用电行为进行自动分析是电力部门十分关心的问题,故提出一种基于L0稀疏超图半监督学习的用户窃电行为识别算法.与经典图模型中两个顶点的边连接方式不同,超图模型将具有相似特征的多个样本组建为超边,有利于表示用户用电数据间的复杂关联关系.然而常用的K近邻构建超边方法存在超边大小固定,无法有效匹配用户用电数据非均匀分布的缺点.为解决该问题,建立基于L0稀疏重构的超图模型,模型针对每一用户数据建立一个超边,通过L0范数约束的稀疏分解自适应选择与当前用户紧密关联的多个样本,更有利于匹配用户数据的分布结构.继而构建超图拉普拉斯正则约束的半监督分类模型,利用少量的标定样本数据,判别用户用电行为是否存在异常.选取某城市8900余居民300余天的实际用电数据作为测试样本集,实验结果验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙玉宝	南京信息工程大学信息与控制学院	19	163	8.0	12.0
2	郭志民	国网河南省电力公司电力科学研究院	14	53	5.0	7.0
3	袁少光	国网河南省电力公司电力科学研究院	8	24	3.0	4.0