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
本发明公开了一种基于图编码和迁移学习的非侵入式负荷识别方法，首先采集不同家用设备的录波数据，构成原始数据集，并划分为训练数据集、验证数据集、测试数据集；采用分段聚合近似PAA‑S算法对数据进行分段聚合近似，把长序列映射为短序列，使短序列数据与原始长序列数据趋势相似；将短序列数据加入位置编码，保留原始数据的时序特征，再转换为二维图像数据；构建基于迁移学习的ResNet18预训练模型，进行训练并测试模型性能，最终实现对用电器的分类识别。本发明解决了现有技术中存在的单参量用电设备的识别问题、避免长序列
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117216653A
(43)申请公布日2023.12.12
(21)申请号202311107725.6G06N3/048(2023.01)
文档评论（0）