10.16337/j.1004-9037.2019.03.005
基于迁移学习的电力通信网异常站点业务数量预测
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.
机器学习、电力通信网、回归算法、多源迁移学习、异常检测
34
TP18;TN915(自动化基础理论)
2019-08-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
414-421