利用动态时间调整(Dynamic Time Warping,DTW)算法处理高维燃煤数据。引入协同过滤算法预测燃煤电厂运行数据的价值。基于此,通过模糊C均值聚类算法,在聚类的同时生成变量属性,最后通过人工蜂群聚类算法,实现数据价值深度挖掘。试验结...利用动态时间调整(Dynamic Time Warping,DTW)算法处理高维燃煤数据。引入协同过滤算法预测燃煤电厂运行数据的价值。基于此,通过模糊C均值聚类算法,在聚类的同时生成变量属性,最后通过人工蜂群聚类算法,实现数据价值深度挖掘。试验结果表明,研究方法对燃煤电厂运行的高、低价值数据的聚类效果更好,且查全率始终高于97%。展开更多
文摘利用动态时间调整(Dynamic Time Warping,DTW)算法处理高维燃煤数据。引入协同过滤算法预测燃煤电厂运行数据的价值。基于此,通过模糊C均值聚类算法,在聚类的同时生成变量属性,最后通过人工蜂群聚类算法,实现数据价值深度挖掘。试验结果表明,研究方法对燃煤电厂运行的高、低价值数据的聚类效果更好,且查全率始终高于97%。