[发明专利]基于改进朴素贝叶斯分类的电网资产综合价值评估方法

权利要求书

1.基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，包括以下步骤：

S1：在电网资产属性特征数据中提取电网资产属性独立分量；

S2：对电网资产属性独立分量进行一次处理，得到算法模型；

S3：根据算法模型进行价值评估。

2.根据权利要求1所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S1中的提取是通过ICA算法提取电网资产属性独立分量。

3.根据权利要求2所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述ICA算法采用负熵最大化作为各分量的独立准则，包括以下步骤：

S21：根据迭代式得到混解矩阵；

S22：根据混解矩阵和独立分量求解式得到电网资产属性独立分量。

4.根据权利要求3所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S21中的迭代式如下：

其中，W为混解矩阵；a为区间(1，2)之间的常数；β＝E[W^TXG(W^TX)]，β是恒定值；X为电网资产属性特征样本数据，且X＝{x₁，x₂，...，x_N}，其中，N为样本总个数，x_i为每个样本的属性值列向量，且

所述步骤S22中的独立分量求解式如下：

S＝W^TX

其中，s为电网资产属性独立分量，W为混解矩阵；X为电网资产属性特征样本数据，且X＝{x₁，x₂，...，x_N}，其中，N为样本总个数，x_i为每个样本的属性值列向量，且

5.根据权利要求1所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S2中的一次处理包括以下步骤：

S31：利用LDA算法对电网资产属性独立分量进行降维处理，得到降维数据；

S32：根据降维数据构建WNB算法模型。

6.根据权利要求5所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S31中降维处理包括以下步骤：

S41：根据电网资产属性特征样本数据得到第c类样本的协方差阵；

S42：根据第c类样本的协方差阵得到类内散度矩阵；

S43：根据类内散度矩阵的前d个特征值得到投影矩阵W；

S44：根据投影矩阵W和电网资产属性独立分量S得到降维数据Y。

7.根据权利要求6所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S41中的协方差阵表达式如下：

其中，C_o为电网资产类别总数，N_c为第c类样本量，为第c类样本均值向量，X_(c)j为类别c中第j个样本；

所述步骤S42中类内散度矩阵表达式如下：

其中，N为样本总个数；

所述步骤S44中降维数据Y的求解式如下：

Y＝W^TS，Y∈R^d×N

其中，W为投影矩阵，S为电网资产属性独立分量，N为样本总个数。

8.根据权利要求5所述的基于改进朴素贝叶斯分类的电网资产综合价值评估方法，其特征在于，所述步骤S32中构建WNB算法模型包括以下步骤：

S51：预设样本对应的类别数据为C；

S52：根据降维数据Y和类别数据C得到相关系数和互信息；

S53：对相关系数和互信息进行归一化得到归一化的相关系数和归一化的互信息；

S54：根据归一化的相关系数和归一化的互信息得到权重系数；

S55：根据降维数据和权重系数得到算法模型。