基于粗糙集贝叶斯分类算法的综合能耗特征识别研究

• 作者: 刘莹莹 罗婷
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 粗糙集 贝叶斯分类算法 特征识别 分类精度
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 研究与开发
• 页码范围: 151-153
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2020.11.045

摘要

如何从用户能耗数据中准确地挖掘出有价值的信息一直是电力行业的研究热点,而贝叶斯分类算法则是机器学习和数据挖掘研究领域中常用的数据处理方法之一.此方法具有简单、高效以及分类效果稳定的优点,而且可以建立可对数据库中给定类别的数据记录进行映射的模型以及可描述能耗数据以预测趋势的模型,从而为用户综合能耗特征识别提供有效的解决方案.但是传统的贝叶斯分类算法的分类精度较低,往往不能满足其他对于分类精度有着高要求的研究需求.基于这种情况,通过构建扩展模型,设计了基于粗糙集理论的贝叶斯分类算法,从而满足用户综合能耗特征识别中对于分类精度的需求.最后,通过直接的实验结果来验证基于粗糙集贝叶斯分类算法的综合能耗特征识别可以在很大程度上提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗婷		2	0	0.0	0.0
2	刘莹莹		3	0	0.0	0.0