基于极端梯度提升法的漏缆周界入侵定位技术研究

摘要：

基于泄漏电缆的周界入侵检测系统具有安全隐蔽、可随形敷设、全方位警戒、全天候工作等优势,并针对现如今市面上泄漏电缆入侵探测定位系统探测精度低,误报率高等问题,提出了一种基于机器学习的泄露电缆入侵检测定位技术,首先利用泄漏电缆对入侵数据进行采集并处理为多维输入特征量数据,采用极端梯度提升算法(XGBoost)模型对数据进行监督学习得到入侵检测定位模型.并在仿真环境下检测系统的实际性能测试实验.测试结果表明,基于机器学习的入侵检测系统的探测精度为1米,误报率低于1.5％,不需要前期矫正就可以自适应于不同背景环境噪声,具有良好的应用前景.

关键词：机器学习、XGBoost、探测精度、误报率

所属期刊栏目：30

分类号：TN915.5

资助基金：国家自然科学基金项目;国家重点研发计划课题

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-11,17