摘要
本发明涉及电力用户用电行为分析与智能审核技术领域,本发明公开了一种基于特征映射的审核规则阈值动态推荐方法、系统、设备及介质,包括,整合用户的多源数据,通过多模态融合网络生成综合特征向量;随后,在联邦学习框架下依据特征相似性对用户进行群体划分;使用时序生成对抗网络为各用户群体生成增强用电数据以提升模型鲁棒性;结合强化学习与因果推理训练阈值动态调整策略网络,输出初始推荐阈值;通过多目标贝叶斯优化搜寻误报率与漏报率之间的最优平衡阈值集合,为决策提供多样化选择。本方法实现了从自动化到智能化、从单点优化到多目标协同决策的飞跃,显著提升了审核效率的精准性与决策的科学性。
技术关键词
动态推荐方法
审核规则
生成对抗网络
多模态特征融合
文本特征向量
数据
时序卷积神经网络
多模态融合技术
动态推荐系统
策略
度量
强化学习环境
预训练语言模型
强化学习框架
注意力机制
生成用户
系统为您推荐了相关专利信息
地质录井
Sigmoid函数
三维地质模型
皮尔逊相关系数
融合特征
数据隐私保护方法
模型更新
识别敏感信息
生成对抗网络
拉普拉斯噪声
物理系统
量子退火算法
仿真方法
数学
条件生成对抗网络
多模态
电力开关柜
循环生成对抗网络
监测方法
历史温度数据
生成对抗网络
场景
虚拟现实设备
扫描装置
图像风格迁移技术