文件名称：WSYCUHK_FDIA:智能电网中虚假数据注入攻击的定位检测
文件大小：112.35MB
文件格式：ZIP
更新时间：2024-06-19 04:38:49
Python
基于深度学习的位置检测架构 (DLLD) 智能电网中虚假数据注入攻击的定位检测：一种多标签分类方法，被 IEEE 物联网杂志接受。 引用此作品 S. Wang，S。Bi和YA Zhang，“”，在IEEE物联网杂志上，第1卷。 7，没有。 9，第 8218-8227 页，2020 年 9 月。 介绍 这是我们论文“智能电网中虚假数据注入攻击的位置检测：多标签分类方法”的代码和数据。 网络设计 卷积网络旨在处理以多个数组形式出现的数据。 许多数据模态采用多个阵列的形式：信号和序列的一维，包括测量向量； 2D 图像或音频频谱图； 和 3D 视频或立体图像。 卷积网络架构的原因是双重的。 首先，在数组数据中，局部值组通常高度相关，形成易于检测的独特局部图案。 其次，图像和其他信号的局部统计量对于位置是不变的。 换句话说，如果一个主题可以出现在数组的一部分中，它就可以出现在任何地方。 因此，不同
【文件预览】：
WSYCUHK_FDIA-master
----OtherMethods()
--------boostcnn_kernal.py(11KB)
--------boosting_2CNN2DNN.py(8KB)
--------boosting3.py(2KB)
--------boosting2.py(2KB)
--------GBDT_FDIA.py(2KB)
--------test_boosting.py(9KB)
--------bbfinal.py(7KB)
--------.gitattributes(66B)
--------boosting1.py(2KB)
----README.md(5KB)
----Code()
--------readme.md(55B)
--------CNNfor118BusSystem.py(4KB)
--------CalculateF1.py(2KB)
----Data()
--------FDIA4-test-labels.pkl(1.34MB)
--------readme.md(314B)
--------Result()
--------data118_traintest.mat(15.24MB)
--------data14_5.mat(15.42MB)
--------FDIA4-test-features.pkl(1.9MB)
--------data14_3.mat(15.41MB)
--------data14_2.mat(15.4MB)
--------data14_4.mat(15.42MB)
--------data14_1.mat(15.37MB)