基于極限學(xué)習(xí)機(jī)的智能電網(wǎng)運(yùn)行入侵檢測(cè)研究

打開文本圖片集

摘 要： 為解決智能電網(wǎng)運(yùn)行入侵檢測(cè)效率慢及入侵檢測(cè)精度較低等問(wèn)題，提出基于量子甲蟲群算法優(yōu)化的極限學(xué)習(xí)機(jī)模型。通過(guò)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(diǎn)，以進(jìn)一步提高極限學(xué)習(xí)機(jī)算法入侵收斂性能，降低極限學(xué)習(xí)機(jī)的計(jì)算復(fù)雜度和訓(xùn)練時(shí)間。結(jié)果表明：隨著迭代次數(shù)的增加，入侵檢測(cè)測(cè)試誤差逐漸減小，最小誤差率為1.1%。（剩余8509字）