在评估智能电网数据平台架构改进的价值时，需要考虑多个量化指标。以下哪些指标可用于综合评估架构改进在成本效益和资源利用率方面的价值？（多选）

智能电网信息系统的假数据识别已采用监督学习，非监督学习，强化学习等方法，其中对于无标签的数据样本的应用场景，可采用（）算法。（难度：★★）

在构建居民用电负荷预测模型时，特征选取时需要表征不同时段用户电表数据的波动情况，可选用（）特征。（难度：★）

绝缘子在输电线路中用量庞大，针对绝缘子缺陷进行目标检测时，可先使用目标框聚类的方式确定初始目标框。可用于计算目标框向量距离的方法为（）。（难度：★★）

为解决电力系统中绝缘子图像的目标定位问题，可以基于（）进行建模。（难度：★★）

电力设备的故障诊断多为复合故障，即故障种类为一个多种分类的集合，以下可用于该类问题的算法是（）。（难度：★）

采用卷积神经网络对用于故障诊断的原始振动一维数据进行建模时，可选用的方法是（）。（难度：★★★）

针对风电机组的加速度传感器所获得的一维时域信号，可采用（）进行特征提取。（难度：★★）

基于机器学习的智能电网假数据识别可采用各类有监督学习算法，包括支持向量机、深度学习等，这些算法都依赖于（）的历史数据。（难度：★）

（）是一种通过构建多个个体学习器并采用特定组合策略将各学习器结合起来从而产生一种有更强性能的强学习器的方法。（难度：★）

传统配电网的可靠性评估可以建模为一个二分类问题，以下可应用于该问题的算法是（）。（难度：★★）