原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及电能质量扰动分类技术领域，具体涉及一种基于联邦学习的电能质量扰动分类方法；以联邦学习和原型学习为理论基础，考虑在新型分布式电力系统下，不同电力部门之间电能质量扰动数据存在的异质性和隐私性，提出了一种基于联邦学习的电能质量扰动分类方法；该方法以联邦学习为框架实现多个参与方协同训练扰动信号分类模型，利用原型在样本空间中具有较强的覆盖性以及能够反映数据全局特性的优点，作为电能质量扰动异构数据的优化方法，同时本地原型是通过平均样本的深度特征生成的，因此具有不可逆的特点，无法通过反向推理攻击手段
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116628589 A
(43)申请公布日 2023.08.22
(21)申请号 202310589844.3 G06N 3/048 (2023.01)
文档评论（0）