(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111519596.2 (22)申请日 2021.12.13 (71)申请人 国网宁夏电力有限公司营销服 务中 心 （国网宁 夏电力有限公司计量中 心） 地址 750000 宁夏回族自治区银川市金凤 区黄河东路716号宁夏电能计量检定 中心 (72)发明人 舒一飞　郭汶昇　樊博　康洁滢　 许诗雨　王登峰　 (74)专利代理 机构 成都四合天行知识产权代理 有限公司 51274 代理人 郭受刚 (51)Int.Cl. G06K 9/62(2022.01)G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于双重加权朴素贝叶斯的电气事故分类 方法 (57)摘要 本发明公开了一种基于双重加权朴素贝叶 斯的电气事故分类方法， 包括： 获取用户用电数 据作为原始数据集， 其中， 原始数据集包括用户 用电数据的属性和实例； 将原始数据集拆分为训 练集和测试集； 采用训练集对朴素贝叶斯分类器 进行实例加权和属性加权训练， 得到双重加权的 朴素贝叶斯架构； 采用双重加权的朴素贝叶斯架 构对测试集进行测试， 得到电气事故类别。 本发 明将属性加权和实例加权有机结合在朴素贝叶 斯统一框架内， 能实现对电气事故快速、 准确和 动态的分类 。 权利要求书2页 说明书10页 附图3页 CN 114186639 A 2022.03.15 CN 114186639 A 1.基于双重加权 朴素贝叶斯的电气事故分类方法， 其特 征在于， 包括： 获取用户用电数据作为原始数据集， 所述原始数据集包括用户用电数据的属性和实 例； 将原始数据集拆分为训练集和测试集， 所述训练集包括属性和训练实例， 所述测试集 包括属性和 测试实例； 采用训练集对朴素贝叶斯分类器进行实例加权和属性加权训练， 得到双重加权的朴素 贝叶斯架构； 采用双重加权的朴素贝叶斯架构对测试集进行测试， 得到电气事故类别。 2.根据权利要求1所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 采用训练集对朴素贝叶斯分类器进行实例加权和属 性加权训练得到的双重加权的朴素贝 叶斯架构为： 其中， ai为属性变量Ai的取值， Ai为训练集D＝{A1,A2,…,Am}中的属性变量， i＝1,2, …， m， m为属性变量的个数， cJ为类别集C＝{c1,c2,…,cq}中的类别， J＝1,2, …， q， q为类别变量 总数， 为第i个属性的权重， 为第j个训练实例的权重, 为先验概率， 为条件概 率。 3.根据权利要求2所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 采用训练集对朴素贝叶斯分类器进行实例加权训练时， 按照训练实例与测试实例之 间的距 离为训练实例来分配不同的权值， 权值大小与距离呈负相关。 4.根据权利要求3所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 采用训练集对朴素贝叶斯分类器进行实例加权训练时采用积极实例进 行权值设置， 其基于 属性值频度的实例加权滤波器来学习每 个实例的权 重， 每个属性值的频率的计算公式为： 其中， aji为第j个实例第i个属性值， fji为aji的频率， n为训练实例的数量， arj为第j个实 例第r个属性 值。 令ni为第i个属性的值的数量， 并且可表示为<n1,n2,...,nm>， 然后将第j个实例的权重 定义为属性值频率向量与属性 值个数向量的内积， 公式如下： 5.根据权利要求3所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 采用训练集对朴素贝叶斯分类器进行实例加权训练时采用消极实例进 行权值设置， 其测试 实例x与第j个训练实例yj间的相似性定义 为： 第j个训练实例的权 重定义为： 权　利　要　求　书 1/2 页 2 CN 114186639 A 26.根据权利要求1所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 获取用户用电数据作为原始数据集时还包括对异常数据进 行清洗， 以及通过在 事故数据段 内的每个属性叠加随机高斯噪声增 加数据片段， 叠加随机高斯噪声的公式如下： 其中， Gauss(x)为按照设定的均值及 标注差产 生的高斯噪声， μ为 高斯噪声的均值， δ为 高斯噪声的标准差 。 7.根据权利要求1所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 将原始数据集拆分为训练集和测试集后， 还包括采用min ‑max归一化方法对训练集与测试 集进行归一 化。 8.根据权利要求1～7中任意一项所述的基于双重加权朴素贝叶斯的电气事故分类方 法， 其特征在于， 采用训练集对朴素贝叶斯分类器进 行属性加权训练时， 根据属性在预测分 类时的重要性分配权 重， 属性权 重大小与其重要性高低成正比。 9.根据权利要求8所述的基于双重加权朴素贝叶斯的电气事故分类方法， 其特征在于， 所述属性权重设置时利用互信息来度量属性 ‑类之间、 属 性‑属性之间的相关性， 计算得到 类关联度和属性间的相互关联度， 每个属性的权重通过对归一化后的类关联度与 平均相互 关联度之间的差值进行Sigmo id变换后获取。权　利　要　求　书 2/2 页 3 CN 114186639 A 3