基于極限學(xué)習(xí)機的智能電網(wǎng)運行入侵檢測研究

打開文本圖片集

摘 要： 為解決智能電網(wǎng)運行入侵檢測效率慢及入侵檢測精度較低等問題，提出基于量子甲蟲群算法優(yōu)化的極限學(xué)習(xí)機模型。通過構(gòu)建量子甲蟲群優(yōu)化算法，并引入量子力學(xué)，結(jié)合甲蟲觸角搜索和粒子群優(yōu)化的優(yōu)點，以進(jìn)一步提高極限學(xué)習(xí)機算法入侵收斂性能，降低極限學(xué)習(xí)機的計算復(fù)雜度和訓(xùn)練時間。結(jié)果表明：隨著迭代次數(shù)的增加，入侵檢測測試誤差逐漸減小，最小誤差率為1.1%。（剩余8509字）