《表3 载体孔结构性质:一种基于SMOTE和XGBoost的窃电检测方案》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《一种基于SMOTE和XGBoost的窃电检测方案》
对图3所构造的检测流程进行测试以集成多个数据源特征。图7给出了这3个模型的精确率、召回率和F1得分。可以看出,模型训练中,随着基础特征、周期特征、统计特征的集成,各项指标不断提升。这种改进的结果是由于检测器已成功学习了用户用电模式,从而进一步提高了检测性能。因此,本文构造的特征能够准确反映用户的用电特征,对于窃电检测精度的提升具有重要意义。并且由表3可知,对比以往深度学习方案,本文的优势明显。
图表编号 | XD00210447700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.20 |
作者 | 巢政、温蜜 |
绘制单位 | 上海电力大学计算机科学与技术学院、上海电力大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |