典型文献
基于深度神经网络的电力工程数据聚类模型设计
文献摘要：
针对实际应用中电力工程数据的维度不断升高,而现有聚类模型在处理高维数据时模型有效性降低的问题,提出一种基于深度神经网络的电力工程数据聚类模型.该模型在对原始高维数据进行预处理的基础上,引入了深度受限玻尔兹曼机神经网络.通过深度神经网络的无监督学习,将高维的原始电力工程数据进行非线性化处理,从而映射到低维空间.在低维空间采用模糊聚类算法对数据进行处理,得到对原始数据的有效聚类分析.采用实际电力工程数据对模型进行仿真验证的结果表明,该模型可以明显提高电力工程数据聚类的有效性.
文献关键词：
电力工程;聚类分析;深度神经网络;大数据分析
中图分类号：
作者姓名：
杨文生;叶宝玉;周文奇;师潇然;宦晓超
作者机构：
内蒙古电力经济技术研究院,内蒙古呼和浩特010090;内蒙古电力(集团)有限责任公司,内蒙古呼和浩特010090
文献出处：
引用格式：
[1]杨文生;叶宝玉;周文奇;师潇然;宦晓超-.基于深度神经网络的电力工程数据聚类模型设计)[J].电子设计工程,2022(22):136-139,144
A类：
深度受限玻尔兹曼机
B类：
深度神经网络,电力工程,工程数据,数据聚类,聚类模型,模型设计,针对实际,高维数据,模型有效性,无监督学习,线性化处理,射到,低维空间,模糊聚类算法,原始数据,仿真验证
AB值：
0.216194
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。
