孤岛检测的关键特征识别及元学习方法

数据挖掘技术能有效解决孤岛检测中检测阈值的整定问题,已成为重要的孤岛检测方法。文中提出由关键特征识别、基学习器和元学习器等3个环节构成的孤岛检测数据挖掘系统。首先,分析了孤岛检测样本中的弱相关特征对分类的不利影响,提出利用RELIEF(recursiveeliminationoffeatures)算法首先识别孤岛检测的关键特征。然后,分析了单一分类器的归纳偏置现象,提出利用多个分类器的互补性提高孤岛检测的精度;最后,提出了基于元学习的新的孤岛检测方法。为验证上述方法的有效性,仿真算例中充分考虑了功率不平衡度、电压扰动等因素。仿真结果表明,上述3个环节对提高孤岛检测的精度和泛化能力具有重要作用。