面向类别不平衡负荷序列模式识别的两阶段选择集成学习策略

为解决集成学习负荷模式识别中的类别不平衡及基分类器冗余等问题,提出一种计及类别平衡的两阶段选择集成电力负荷模式识别方法。首先,采用一种基于密度聚类的高斯人工合成少数类过采样技术,根据少数类负荷样本的密度分布特性合成新样本,以强化负荷分类模型对少数类负荷样本的学习。然后,设计出一种包括基分类器聚类剪枝和优化选择集成的两阶段选择集成策略,基于基分类器池的训练结果,遴选最优基分类器子集参与负荷分类任务。最后,通过UCI标准数据集算例验证了所提方法的有效性和优越性。