12、电力盗窃检测与室内移动机器人导航技术解析

电力盗窃检测与室内移动机器人导航技术解析

电力盗窃检测

在电力系统中，检测低电压家庭用户的电力盗窃是一个重要问题。研究人员采用了一种基于模式识别的新方法，利用机器学习算法分析家庭用户过去两年的历史用电数据，以识别电力盗窃事件。

机器学习算法应用

• 逻辑回归（Logistic Regression） ：与KNN分类器类似，对特征进行了缩放，以防止欠拟合或过拟合。该算法在检测电力盗窃方面表现出色，准确率达到了100%，能够正确预测数据集中所有的盗窃和非盗窃样本点。
• 人工神经网络（Artificial Neural Network，ANN） ：使用Tensorflow的Keras API的顺序模型构建。输入层神经元形状为17，因为数据集有17个属性；隐藏层有25个神经元，使用‘RELU’激活函数；输出层有1个神经元，使用‘Sigmoid’激活函数。该模型训练了50个周期，学习率为0.1，准确率约为96%，即25个样本点中正确预测了24个。

多种机器学习分类器比较

序号	分类器	准确率（%）	测试用例数	真阳性（TP）	真阴性（TN）	假阳性（FP）	假阴性（FN）
1 </