摘要:随着电力通信网络的迅速发展,高效准确的业务识别对于保障电力系统的稳定运行至关重要。因此,本文提出了一种基于自适应多通道注意力和知识蒸馏的电力通信业务识别方法,旨在提高识别精度并优化计算资源的使用。首先,提出了一种自适应多通道注意力网络(Adaptive Multi-Channel Attention Network,AMCAN),该网络融合了自适应多通道机制、注意力机制与交互注意力机制,通过多个并行特征通道有效捕捉输入数据中的多样化特征信息,并引入自适应权重机制,实现对不同通道贡献的动态加权调整。其次,设计了一种自适应知识传递蒸馏方法,该方法通过两个阶段逐步传递教师模型的知识,并随着迭代次数动态调整传递过程,使轻量级学生模型在显著降低计算资源消耗的同时,依然能够保持较高的识别精度。最后,在Moore数据集上的实验表明,所提出的方法在精确率、准确率、召回率和F1分数方面均优于对比方法,具有广泛的实际应用前景。