[发明专利]基于增量数据动态更新的反窃电知识图谱优化方法及系统

权利要求书

1.一种基于增量数据动态更新的反窃电知识图谱优化方法，包括以下过程：

获取新增采集特征类型、各类新旧采集特征的新增采集数据及新增窃电类型；

对获取的数据进行预处理；

基于新增采集数据进行多因素典型相关分析，得到新增用电行为特征，采用块增量学习算法更新典型相关分析的特征相关系数值；

基于获取的新增用电行为特征和更新的典型相关分析相关系数值，采用逻辑回归算法，基于新增窃电类型构建新的反窃电模型类，并更新优化原有反窃电模型的参数；

基于窃电类型新增及更新的各类反窃电模型构建底层子图与顶层子图，采用子图匹配融合并处理反窃电知识图谱中的反窃电知识，得到优化后的反窃电知识图谱。

2.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法，包括以下过程：

所述预处理，包括：数据清洗、数据删除、数据补全和归一化。

3.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法，包括以下过程：

基于新增采集数据进行多因素典型相关分析，得到新增用电行为特征，采用块增量学习算法更新典型相关分析的特征相关系数值，包括：

基于获取的新增采集特征的新增采集数据，采用多关联因素典型相关分析方法计算样本特征集间的整体线性关系，获取典型相关性，作为反窃电模型的新增用电行为特征；

将各类新旧采集特征的采集数据，按照同一时间窗口划分为相同大小的增量数据块；

利用增量数据块与上一批次增量数据块的投影权重矩阵，采用投影向量迭代更，新获取当前批次新增增量数据块的投影权重矩阵；

基于当前批次新增增量数据块的投影权重矩阵，获取新增批次采集数据的最大相关系数，得到新增特征与更新后的特征间的最大相关系数。

4.如权利要求3所述的基于增量数据动态更新的反窃电知识图谱优化方法，包括以下过程：

基于获取的新增用电行为特征和更新的典型相关分析相关系数值，采用逻辑回归算法，基于新增窃电类型构建新的反窃电模型类，并更新优化原有反窃电模型的参数，包括：

基于获取的新增用电行为特征以及新增批次采集数据的各特征的最大相关系数，进行数据定义；

基于新增窃电类型初始化新增窃电类别的反窃电模型参数，对基于逻辑回归算法构建的各类反窃电模型进行参数初始化；

基于新增特征数据及更新后的最大相关系数，采用迭代算法计算并更新各模型参数；

将更新后的模型参数代入目标函数，判断目标函数与实际窃电识别间的误差是否小于误差阈值，是则进入下一步，否则返回上一步；

固定目标函数参数，输出本次获取更新的各类反窃电模型。

5.如权利要求4所述的基于增量数据动态更新的反窃电知识图谱优化方法，包括以下过程：

基于逻辑回归算法构建的各类反窃电模型为根据不同的窃电类别构建的不同输入特征及不同参数值的单一类别反窃电模型。