查询结果:   刘冬兰,马雷,刘新,李冬,常英贤.基于深度学习的电力大数据融合与异常检测方法[J].计算机应用与软件,2018,35(4):61 - 64,136.
中文标题
基于深度学习的电力大数据融合与异常检测方法
发表栏目
数据工程
摘要点击数
600
英文标题
DEEP LEARNING BASED ANOMALY DETECTION APPROACH FOR POWER BIG DATA
作 者
刘冬兰 马雷 刘新 李冬 常英贤 Liu Donglan Ma Lei Liu Xin Li Dong Chang Yingxian
作者单位
国网山东省电力公司电力科学研究院 山东 济南 250003 国网山东省电力公司 山东 济南 250001    
英文单位
State Grid Shandong Electric Power Research Institute,Jinan 250003,Shandong,China State Grid Shandong Electric Power Company,Jinan 250001,Shandong,China    
关键词
电力大数据 受限玻尔兹曼机 循环神经网络 异常检测 深度学习
Keywords
Power big data Restricted Boltzmann machine Recurrent neural networks Anomaly detection Deep learning
基金项目
作者资料
刘冬兰,工程师,主研领域:信息安全,大数据技术。马雷,高工。刘新,高工。李冬,工程师。常英贤,高工。 。
文章摘要
为了充分利用电力大数据中的异构数据源挖掘出电网中存在的安全威胁,采用深度受限玻尔兹曼机将不同格式的异构数据映射到统一的嵌入式向量空间,实现了异构数据的融合。采用循环神经网络对得到的嵌入式向量数据建立画像,实现了数据中异常事件的检测。实验结果表明,提出的异常检测方法在提出的互信息量度量指标中具有很高的互信息量。此外提出的方法在准确率、误报率和漏报率中的结果也优于其他异常检测方法。
Abstract
In order to mine existing safety threats in power grid using heterogeneous data sources in power big data, this paper maps heterogeneous data to a unified embedded vector space with deep restricted Boltzmann machine, and achieves the fusion of heterogeneous data sources. The anomaly detection is achieved by drawing a profile for embedded vector dataset using recurrent neural networks. The experiments indicate that the proposed anomaly detection approach has the highest value in our proposed mutual information index, and it is obviously better than other anomaly detection algorithms in accuracy, false positive rate and false negative rate.
下载PDF全文