基于遗传改进蚁群聚类算法的电力客户价值评价

对电力客户价值进行评价是供电企业优化服务资源配置的重要步骤。分析了蚁群聚类算法,并针对蚁群聚类算法进行评价时参数组合设置盲目性、收敛速度慢、容易陷入局部收敛的缺点,提出了运用遗传算法改进蚁群聚类算法评价电力客户价值的新方法。该新方法利用遗传算法对蚁群聚类算法的参数进行优化,进而再对电力客户价值进行聚类评价。通过实例验证表明,该新方法聚类性能有较大的提升,能够提升收敛速度和避免陷入局部收敛,并且减少了聚类评价时的主观因素,其具有准确、高效、实用等优点。最后,运用该新方法对某市供电公司的10个工业客户进行了评价,总结了不同类别电力客户的特点,对供电企业如何优化服务资源提出了建议。

基于K-means算法的改进蚁群聚类算法及其应用

基于化学识别的蚁群聚类算法无需给定聚类数目就能自动实现数据集的聚集,但大量采用随机策略使得蚂蚁达到平衡的运行时间长,效率不高。为此提出了一种用K-means算法做初次聚类、蚁群聚类算法再次聚类的新算法,结果表明该算法具有较高的正确率。最后将该算法应用于系统应用协同中,得到了较好的分析结果。

基于改进蚁群聚类算法的第三方B2B平台买方企业偏好研究

买方企业对第三方B2B平台利益有重要的影响。对买方企业的偏好进行分析可以了解其需求,有助于提升买方企业忠诚度。本文分析了影响第三方B2B平台买方企业决策的因素,构建了衡量企业偏好的指标体系。对传统蚁群聚类算法进行改进,并采用改进后的算法对第三方B2B平台买方企业进行聚类,获得偏好。然后在偏好分析的基础上,对买方企业实施差异化管理,实现提升平台竞争优势的目标。

改进ACC算法优化的RBF神经网络研究及其应用

通过对径向基函数(RBF)神经网络K-means训练算法聚类结果对初始中心点选择的依赖性以及容易陷入局部最优解等问题的分析,结合蚁群聚类(ACC)算法对蚂蚁睡眠行为进行模拟,并借鉴AM模型的聚类思想,根据样本分布,利用适应度函数和激活概率自主地确定隐节点数目和基函数中心,进而提出一种改进蚁群聚类算法优化K-means的混合聚类算法,该算法解决了RBF网络结构和参数辨识的问题;通过人工数据集进行测试,并通过应用实例进行验证,结果表明,基于混合聚类算法的RBF神经网络具有显著的优越性和可行性。

基于改进的ACCA的复杂网络社团结构发现

复杂网络社团结构划分日益成为近年来复杂网络的研究热点,到目前为止,已经提出了很多分析复杂网络社团结构的算法。该文在聚类算法的基础上,提出了一种基于改进的ACCA的复杂网络社团结构发现方法。该文提出的方法的好处是社团数目不用事先被指定,并且此算法最大的优点就是能获取全局最优解。通过ZacharyKarate Club经典模型验证了该算法的可行性和有效性,实验结果表明,该算法能成功地发现各个社团,是一种行之有效的网络社团发现算法。

融合第三次国土调查成果的地表覆盖测绘数据更新方法与应用

地表覆盖测绘数据更新为地理国情普查工作核心,也是地理国情指标信息统计与发布的数据基础。本文引入改进蚁群聚类算法,融合第三次国土调查成果的地表覆盖测绘数据,并将其聚类处理,实现地表覆盖测绘数据的分类。由基于要素的地表覆盖测绘数据更新方法,对比分类后地表覆盖测绘数据中新旧数据,检测变化要素,将出现变化的数据要素存入地理国情监测数据库中,实现地表覆盖测绘数据更新。