龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开一种基于混合监督学习的非侵入式负荷辨识方法和系统，包括：步骤S1、获取电压‑电流轨迹图像数据集；步骤S2、利用电压‑电流轨迹图像数据集的有标签数据和无标签数据，基于不完全监督学习方法进行模型训练，得到初始负荷辨识模型；步骤S3、判断初始负荷辨识模型对有标签数据的预测精度是否满足规定阈值要求；步骤4、利用含噪数据集，采用不准确监督学习方法对初始负荷辨识模型继续训练。采用本发明的技术方案，将弱监督学习应用于NILM领域，通过不完全监督学习和不准确监督学习结合，对无标签数据进行利用，大大减少了标记成本。
主权项：1.一种基于混合监督学习的非侵入式负荷辨识方法，其特征在于，包括：步骤S1、获取电压-电流轨迹图像数据集；步骤S2、利用电压-电流轨迹图像数据集的有标签数据和无标签数据，基于不完全监督学习方法进行模型训练，得到初始负荷辨识模型；步骤S3、判断初始负荷辨识模型对有标签数据的预测精度是否满足规定阈值要求；若满足，则将初始负荷辨识模型对无标签数据的预测标签信息引入训练数据集，原始无标签数据转变为有标签数据，与原始有标签数据结合，将更新后的数据集称为含噪数据集，利用含噪数据集进行步骤S4；若不满足，则返回步骤S1，更新电压-电流轨迹图像数据集，并重新进行基于不完全监督学习的初始模型训练；步骤S4、利用含噪数据集，采用不准确监督学习方法对初始负荷辨识模型继续训练。
全文数据：
权利要求：
百度查询： 天津大学 一种基于混合监督学习的非侵入式负荷辨识方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号