典型文献
面向配电网大数据的自组织映射知识融合算法
文献摘要：
知识融合是知识图谱技术的关键环节,而在配电网大数据应用中,多维、异构的数据特性使传统机器学习算法较难满足知识融合的准确性和实时性.文章提出一种面向大数据环境,基于自组织映射(self-o r-ganizing map,SOM)神经网络的低复杂度、无监督式知识融合算法.该算法通过同构数据间的数据聚类、异构数据间的本体映射以及多维数据间的自组织迭代,有效融合关联知识并保障一定的实时性要求.该算法在国网安徽省电力公司配电网知识图谱系统中进行了试点应用,通过与传统无监督学习算法的比较分析,证明了该算法在多维异构数据环境中的有效性.
文献关键词：
知识融合;大数据;自组织映射(SOM)神经网络;配电网;知识图谱
中图分类号：
作者姓名：
王鑫;赵龙;张淑娟;汪玉;秦丹丹;孙伟
作者机构：
国网安徽省电力有限公司 电力科学研究院,安徽 合肥 230022;国网安徽省电力有限公司,安徽 合肥 230061
文献出处：
引用格式：
[1]王鑫;赵龙;张淑娟;汪玉;秦丹丹;孙伟-.面向配电网大数据的自组织映射知识融合算法)[J].合肥工业大学学报（自然科学版）,2022(05):620-624,653
A类：
ganizing
B类：
配电网,自组织映射,知识融合,融合算法,大数据应用,异构的,机器学习算法,大数据环境,self,map,SOM,低复杂度,数据聚类,异构数据,体映射,多维数据,有效融合,融合关联,省电,电力公司,试点应用,无监督学习算法,多维异构
AB值：
0.308863
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
