首站-论文投稿智能助手
典型文献
基于双尺度度量的改进模糊均值曲线聚类方法研究
文献摘要:
智能化电力网络中存在许多随时间变化表现出明显曲线特征的函数型数据,进行曲线聚类可以有效挖掘数据信息.针对模糊均值聚类算法初始聚类中心选取困难以及曲线聚类方法中相似度衡量不准确等问题,提出一种基于双尺度度量的改进模糊均值曲线聚类方法.根据皮尔逊距离衡量曲线的纵向形状相似性、动态时间弯曲距离衡量曲线的横向形状相似性,提出一种基于双尺度度量的密度峰值算法确定初始聚类中心;采用改进熵权法融合皮尔逊距离与动态时间弯曲距离作为聚类算法中的相似性度量;采用聚类有效性指标,从聚类效果、算法稳定性2个方面对聚类结果和算法性能进行评价;最后采用某地区一年的风电实际出力数据作为算例样本进行聚类分析,验证了所提出模型及算法的正确性和有效性.
文献关键词:
智能电网;数据挖掘;曲线聚类;改进模糊均值曲线聚类;皮尔逊距离;动态时间弯曲距离;改进熵权法;相似度;风电
作者姓名:
陈甜甜;高亚静;卢占会
作者机构:
华北电力大学数理学院,北京102206;中国华能集团碳中和研究所,北京100031
文献出处:
引用格式:
[1]陈甜甜;高亚静;卢占会-.基于双尺度度量的改进模糊均值曲线聚类方法研究)[J].综合智慧能源,2022(04):1-11
A类:
改进模糊均值曲线聚类,皮尔逊距离
B类:
双尺度,度度,聚类方法,电力网络,曲线特征,函数型数据,进行曲,模糊均值聚类,聚类算法,初始聚类中心选取,动态时间弯曲距离,密度峰值算法,改进熵权法,相似性度量,聚类有效性指标,和算,算法性能,某地区,出力,出模,智能电网
AB值:
0.205847
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。