一种基于选择性集成学习的电力数据文本分类算法
公开
摘要
本发明提出了一种基于选择性集成学习的电力文本数据分类算法，该算法根据电力大数据的数据量比较大、时效性强、影响因素较多等特点，采用了选择性集成学习算法对其进行处理。选择性集成学习对单一模型进行了有选择的集成，剔除了性能较差的模型，在提高模型的泛化能力的同时，也降低了模型在集成时在时间和空间方面的开销。本发明针对电力文本数据的分类问题提出了一种双重过滤式迭代优化集成策略，该策略在集成时采用排名法与迭代优化法相结合，在电力文本数据的分类方面有着很好的性能，在用电侧通过对用电用户的数据分析挖掘，更能精确为用户制定相应的用电策略，可以使电网单位达到精确营销的目的。
基本信息
专利标题 ：
一种基于选择性集成学习的电力数据文本分类算法
专利标题（英）：
暂无
公开（公告）号 ：
CN114625868A
申请号 ：
CN202011416234.6
公开（公告）日 ：
2022-06-14
申请日 ：
2020-12-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张翼英周保先刘飞
申请人 ：
天津科技大学
申请人地址 ：
天津市河西区大沽南路1038号天津科技大学人工智能学院
代理机构 ：
代理人 ：
优先权 ：
CN202011416234.6
主分类号 ：
G06F16/35
IPC分类号 ：
G06F16/35 G06F40/216 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/35
••聚类；分类
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
