基於智能電網大數據的用戶屬性預測, 對構建智能電網分析系統和智能樓宇建設具有重要意義. 傳統針對單一用戶屬性分析的機器學習方法, 不能利用各個屬性間的關係提高準確率, 還不能很好挖掘缺失數據的資訊. 這兩個問題制約了智能電網系統的設計和智能樓宇系統的完善.
中國科學院瀋陽自動化研究所研究員叢楊在多年機器學習演算法研究基礎上, 通過將每個屬性預測作為單個任務, 提出了基於多任務學習的監督/半監督用戶屬性預測模型, 實現在少量可用數據下的多個任務同時學習和決策. 同時, 挖掘出了多個用戶屬性間的關係, 提高了多個屬性預測的準確率; 充分利用缺失數據樣本資訊, 進一步提高了模型泛化能力.
相關研究成果分別以Joint Household Characteristic Prediction via Smart Meter Data和User attribute discovery with missing labels為題, 發表在IEEE Transactions on Smart Grid和Pattern Recogniton上. 研究工作得到了機器人學國家重點實驗室, 國家自然科學基金的支援.
