谈现代化语文教学信息库的建立
参考文献4
1 薛万磊,刘晓立,李雪亮,魏阳,李晨,曾鸣.K-means算法在电力企业同业对标中的应用[J] .水电能源科学,2013,31(6):240-242. 被引量:6
2 李昂,叶欣,邓雅心.基于k-means聚类的居民阶梯电量制定方法[J] .陕西理工大学学报(自然科学版),2019,35(6):27-32. 被引量:3
3 周小明,苏安龙,杨宏宇.基于K-Means聚类算法的行业用电行为分析[J] .电气应用,2015,34(S1):178-182. 被引量:8
4 梁捷,梁广明.基于ARMA和K-means聚类的用电量数据异常识别[J] .湖北电力,2019,43(4):65-70. 被引量:4
二级参考文献50
1 杨善林,李永森,胡笑旋,潘若愚.K-MEANS算法中的K值优化问题研究[J] .系统工程理论与实践,2006,26(2):97-101. 被引量:188
2 周雄,董威.信息挖掘技术在电力企业同业对标管理中的应用[J] .电力建设,2007,28(4):87-89. 被引量:4
3 张建萍,刘希玉.基于聚类分析的K-means算法研究及应用[J] .计算机应用研究,2007,24(5):166-168. 被引量:123
4 Behera H S,Dash P K,Biswal B. Power Quality TimeSeries Data Mining Using S-transform and FuzzyExpert System [J]. Applied Soft Computing,2010,10(3):945-955.
5 徐义峰,陈春明,徐云青.一种改进的k-均值聚类算法[J] .计算机应用与软件,2008,25(3):275-277. 被引量:41
6 雷小锋,谢昆青,林帆,夏征义.一种基于K-Means局部最优性的高效聚类算法[J] .软件学报,2008,19(7):1683-1692. 被引量:112
7 汪中,刘贵全,陈恩红.一种优化初始中心点的K-means算法[J] .模式识别与人工智能,2009,22(2):299-304. 被引量:139
8 张粒子.我国居民阶梯式递增电价制度的探讨[J] .价格理论与实践,2010(2):9-10. 被引量:41
9 张粒子,黄海涛,归三荣.我国居民阶梯电价分段电量制定方法研究[J] .价格理论与实践,2010(3):26-27. 被引量:26
10 李成仁,余嘉明.日韩居民阶梯电价经验与启示[J] .能源技术经济,2010,22(7):56-61. 被引量:34
共引文献14
1 陈雪莲,胡静涛.基于RBF神经网络的面状水体识别模型及其应用[J] .水电能源科学,2014,32(1):59-62. 被引量:3
2 李志海,张春平,王子壬,侯永刚,严洪翔,周永真,白杨.结合PCA的K-means算法在专变用户用电行为分析中的应用[J] .电力信息与通信技术,2018,16(12):62-67. 被引量:9
3 程雅欐,张洪青.K-means改进算法在电力企业同业对标中的应用[J] .现代商贸工业,2015,36(16):69-71. 被引量:1
4 李存斌,宋易阳.电网企业科技发展能力同业对标指标研究[J] .科技成果管理与研究,2016(4):35-37. 被引量:2
5 田洪迅,齐立忠,曹利强,吴经锋,游强,丁彬,李旭.基于SEC指标的电力企业无监督同业对标研究[J] .智慧电力,2017,45(10):50-55. 被引量:1
6 荀港益.基于聚类分析与随机森林的短期负荷滚动预测[J] .智能城市,2018,4(9):9-11. 被引量:6
7 何玉林,黄哲学.大规模数据集聚类算法的研究进展[J] .深圳大学学报(理工版),2019,36(1):4-17. 被引量:9
8 王星.基于K-means聚类算法的荆州市居民用电行为分析[J] .通讯世界,2019,26(8):276-277. 被引量:6
9 朱涛,陈翔,高强,孟庆楠.基于Logsitic回归模型和自适应密度聚类算法的分行业负荷增长规律[J] .电网与清洁能源,2019,35(5):20-28.
10 王月强,王焕,李卫彬,张菲菲,周琪,赵一冰.长兴岛产业园区电力需求多时序预测技术研究[J] .电力与能源,2020,41(2):160-166. 被引量:5
;