基于迁移学习的电力通信网异常站点业务数量预测

• 作者: 张智成 彭汐单 李号号 李石君 杨济海 黄倩
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 机器学习 电力通信网 回归算法 多源迁移学习 异常检测
• 年，卷（期）: 2019,（3）
• 页码范围: 414-421
• 页数: 8页
• 分类号: TP18|TN915
• 字数: 5013字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2019.03.005

摘要

现有的多源迁移学习算法对回归问题的研究极少,大多是解决对称的二分类问题,本文提出了加权多源TrAdaBoost的回归算法,其中误差容忍系数能一定程度解决源领域样本权重缩减过快的问题,提高了算法的效果.在修改后的Friedman#1回归问题上进行了实验,验证了该算法的有效性,误差容忍系数可以提高大约0.01的R2分数.将该算法应用到电力通信网的行业问题中,提出了异常站点(业务数量缺失严重的站点)检测与真值预测模型,在特征工程中使用了社交网络分析的方法,充分考虑了站点在拓扑图中的重要性.最终的实验效果进一步验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李石君	武汉大学计算机学院	88	753	16.0	22.0
2	彭汐单		4	6	1.0	2.0
3	杨济海		12	11	2.0	2.0
4	黄倩	武汉大学计算机学院	17	83	5.0	8.0
5	李号号	武汉大学计算机学院	1	0	0.0	0.0
6	张智成		1	0	0.0	0.0