检索结果-维普期刊中文期刊服务平台

基于反向鲸鱼-多隐层极限学习机的电网FDIA检测被引量：4: 1; 作者席磊王艺晓 +2 位作者何苗程琛田习龙《中国电力》 CSCD 北大核心 2024年第9期20-31,共12页; 针对目前已有的电力信息物理系统虚假数据注入攻击检测方法由于特征表达能力有限,而导致无法精确获取受攻击位置的问题,提出一种基于反向学习鲸鱼优化多隐层极限学习机的虚假数据注入攻击定位检测方法。所提方法不仅将极限学习机拓展为... 展开更多; 关键词电力信息物理系统虚假数据注入攻击多隐层极限学习机鲸鱼优化反向学习; 在线阅读下载PDF 职称材料

基于多隐层极限学习机的文本分类方法被引量：4: 2; 作者冀俊忠庞皓明 +1 位作者杨翠翠刘金铎《北京工业大学学报》 CAS CSCD 北大核心 2019年第6期534-545,共12页; 针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取... 展开更多; 关键词文本分类高维文本多隐层极限学习机极限学习机自编码器特征映射神经网络; 在线阅读下载PDF 职称材料

基于改进多隐层极限学习机的电网虚假数据注入攻击检测被引量：19: 3; 作者席磊何苗 +1 位作者周博奇李彦营《自动化学报》 EI CAS CSCD 北大核心 2023年第4期881-890,共10页; 虚假数据注入攻击(False data injection attacks,FDIA)严重威胁了电力信息物理系统(Cyber-physical system,CPS)的状态估计,而目前大多数检测方法侧重于攻击存在性检测,无法获取准确的受攻击位置.故本文提出了一种基于灰狼优化(Gray wo... 展开更多; 关键词电力信息物理系统虚假数据注入攻击状态估计灰狼优化多隐层极限学习机; 在线阅读下载PDF 职称材料

基于多维特征分析的双层协同太阳辐照度预测被引量：6: 4; 作者张鸿皓杨国华 +3 位作者郑豪丰柳勇杨倩贾睿《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期143-149,共7页; 为增强逐日太阳辐照度预测的准确性和普适性,提出一种基于多维特征分析的双层协同预测模型。首先,搭建一种双层协同架构,将整个模型分成基准层和提升层两部分,使用分层预测的方式追踪目标对象的多维特征和变化趋势;其次,以数值天气预报(... 展开更多; 关键词太阳辐照度预测 ADABOOST算法双层协同架构 LightGBM 多隐层极限学习机; 在线阅读下载PDF 职称材料

题名基于反向鲸鱼-多隐层极限学习机的电网FDIA检测被引量：4: 1; 作者席磊王艺晓何苗程琛田习龙; 机构三峡大学电气与新能源学院梯级水电站运行与控制湖北省重点实验室(三峡大学) 国网荆州供电公司变电运维分公司; 出处《中国电力》 CSCD 北大核心 2024年第9期20-31,共12页; 基金国家自然科学基金资助项目(高比例大容量新能源接入的新型电力系统自动发电控制全局类脑分布协同理论与方法研究,52277108)。; 文摘针对目前已有的电力信息物理系统虚假数据注入攻击检测方法由于特征表达能力有限,而导致无法精确获取受攻击位置的问题,提出一种基于反向学习鲸鱼优化多隐层极限学习机的虚假数据注入攻击定位检测方法。所提方法不仅将极限学习机拓展为多隐层神经网络,解决其特征表达能力有限的问题,而且引入鲸鱼优化算法对多隐层极限学习机的各隐层神经元个数进行寻优并采用反向学习策略提高其收敛速度和检测精度,以防止随机确定各隐层神经元个数对检测方法的泛化性能和定位检测结果造成影响。通过在不同场景下对IEEE-14和57节点测试系统进行大量实验,验证了所提方法能够通过历史数据自动识别受攻击的系统状态量所对应的精确位置。与其他多种方法相比,所提方法具有更优的精度、召回率和F1值。; 关键词电力信息物理系统虚假数据注入攻击多隐层极限学习机鲸鱼优化反向学习; Keywords cyber-physical power system false data injection attack multi-layer extreme learning machine whale optimization algorithm opposition-based learning; 分类号 TM73 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于多隐层极限学习机的文本分类方法被引量：4: 2; 作者冀俊忠庞皓明杨翠翠刘金铎; 机构北京工业大学多媒体与智能软件技术北京市重点实验室; 出处《北京工业大学学报》 CAS CSCD 北大核心 2019年第6期534-545,共12页; 基金国家自然科学基金资助项目(61672065); 文摘针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取出高层文本特征并通过最小二乘的方法对文本数据进行分类.与多个算法的实验对比表明,该算法在20newsgroup、Reuters和复旦大学中文语料库这3个数据集上都具有良好的分类性能.; 关键词文本分类高维文本多隐层极限学习机极限学习机自编码器特征映射神经网络; Keywords text classification high dimensional text multi-layer extreme learning machine ( ML-ELM) extreme learning machine-based auto-encoder (ELM-AE) feature mapping neural network; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于改进多隐层极限学习机的电网虚假数据注入攻击检测被引量：19: 3; 作者席磊何苗周博奇李彦营; 机构三峡大学电气与新能源学院梯级水电站运行与控制湖北省重点实验室(三峡大学); 出处《自动化学报》 EI CAS CSCD 北大核心 2023年第4期881-890,共10页; 基金国家自然科学基金(51707102) 信息物理融合防御与控制系统宜昌市重点实验室(三峡大学)开放基金(2020XXRH04)资助。; 文摘虚假数据注入攻击(False data injection attacks,FDIA)严重威胁了电力信息物理系统(Cyber-physical system,CPS)的状态估计,而目前大多数检测方法侧重于攻击存在性检测,无法获取准确的受攻击位置.故本文提出了一种基于灰狼优化(Gray wolf optimization,GWO)多隐层极限学习机(Multi layer extreme learning machine,ML-ELM)的电力信息物理系统虚假数据注入攻击检测方法.所提方法将攻击检测看作是一个多标签二分类问题,不仅将用于特征提取与分类训练的极限学习机由单隐层变为多隐层,以解决极限学习机特征表达能力有限的问题,且融入了具有强全局搜索能力的灰狼优化算法以提高多隐层极限学习机分类精度和泛化性能.进而自动识别系统各个节点状态量的异常,获取受攻击的精确位置.通过在不同场景下对IEEE-14和57节点测试系统上进行大量实验,验证了所提方法的有效性,且分别与极限学习机、未融入灰狼优化的多隐层极限学习机以及支持向量机(Support vector machine,SVM)相比,所提方法具有更精确的定位检测性能.; 关键词电力信息物理系统虚假数据注入攻击状态估计灰狼优化多隐层极限学习机; Keywords Power cyber-physical system(CPS) false data injection attacks(FDIA) state estimation gray wolf optimization(GWO) multi layer extreme learning machine(ML-ELM); 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TM73 [电气工程—电力系统及自动化] TP393.08 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多维特征分析的双层协同太阳辐照度预测被引量：6: 4; 作者张鸿皓杨国华郑豪丰柳勇杨倩贾睿; 机构宁夏大学物理与电子电气工程学院宁夏电力能源安全重点实验室; 出处《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期143-149,共7页; 基金国家自然科学基金(61763040) 宁夏自治区重点研发项目(2018BFH03004) 宁夏自治区自然科学基金(NZ17022)。; 文摘为增强逐日太阳辐照度预测的准确性和普适性,提出一种基于多维特征分析的双层协同预测模型。首先,搭建一种双层协同架构,将整个模型分成基准层和提升层两部分,使用分层预测的方式追踪目标对象的多维特征和变化趋势;其次,以数值天气预报(NWP)为输入,采用LightGBM基于特征学习预测方法构建基准预测模型;然后,在前者的基础上,挖掘目标时刻太阳辐照度与历史时序数据之间的关联性,引入改进AdaBoost算法与多隐层极限学习机(MH-ELM)作为提升层主体,提高时序预测的稳定性;最后,选用中国中部地区某光伏电站实测太阳辐照度数据进行算例分析,验证了该模型的合理性和有效性。; 关键词太阳辐照度预测 ADABOOST算法双层协同架构 LightGBM 多隐层极限学习机; Keywords solar irradiance prediction AdaBoost algorithm bi-layer collaborative architecture LightGBM multiple hidden layer ELM; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于反向鲸鱼-多隐层极限学习机的电网FDIA检测	席磊王艺晓何苗程琛田习龙	《中国电力》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于多隐层极限学习机的文本分类方法	冀俊忠庞皓明杨翠翠刘金铎	《北京工业大学学报》 CAS CSCD 北大核心	2019	4	在线阅读下载PDF 职称材料
3	基于改进多隐层极限学习机的电网虚假数据注入攻击检测	席磊何苗周博奇李彦营	《自动化学报》 EI CAS CSCD 北大核心	2023	19	在线阅读下载PDF 职称材料
4	基于多维特征分析的双层协同太阳辐照度预测	张鸿皓杨国华郑豪丰柳勇杨倩贾睿	《太阳能学报》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料