《表1 实验数据明细：基于深度学习的窃电行为检测方法》
提示：宽带有限、当前游客访问压缩模式
实验数据来源于福建省用电采集系统，包括福建省2015-2017三年的用电、线损和告警数据。经过清洗、筛选和归一化后，共约90万条，详细条目如表1所示。
| 图表编号 | XD0033268100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.25 |
| 作者 | 郑建宁 |
| 绘制单位 | 国网信通亿力科技有限责任公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验数据集：基于深度迁移学习的网络入侵检测》2020.09.05
- 《表2 实验结果：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表1 En值比对数据：基于GoogLeNet深度迁移学习的苹果缺陷检测方法》2020.07.25
- 《表5 算法测试结果：基于改进循环神经网络的窃电行为检测方法研究》2021.01.20
- 《表2 实验数据：基于深度学习的工业恶意流量检测》2019.12.01
- 《表1 实验参数设置：基于改进深度学习的乳腺癌医学影像检测方法》2020.05.15
- 《表2 三种建模方法对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表1 冗余特征约简对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表2 三种方法实验数据：基于深度学习优化YOLOV3算法的芳纶带检测算法研究》2020.04.15
- 《表3 视频数据集参数：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表1 数据集汇总：基于深度学习的视频行为识别方法综述》2019.12.20
- 《表1 实验所用的数据库：基于深度学习的铁路列车关键零部件图像故障检测》2019.12.01
- 《表1 人脸检测结果：基于深度学习的驾驶员打电话行为检测方法》2019.12.05
- 《表3 算法对比：基于深度学习的驾驶员打电话行为检测方法》2019.12.05
- 《表2 实验结果：基于深度学习的Web注入行为实时检测技术研究》2019.07.01
- 《表1 实验数据集：DeepTriage:一种基于深度学习的软件缺陷自动分配方法》2019.01.01
- 《表1 3种方法实验数据：基于深度学习优化SSD算法的硅片隐裂检测识别》2019.01.15
- 《表1 数据格式：基于深度学习的安全帽检测方法研究》2018.09.01
- 《表1 数据集以及数据量：基于深度学习的SAR目标检测方法》2019.10.01