改进K中心点算法在入侵检测的应用

传统K中心点算法虽然改进了K均值算法对噪声和孤立点数据敏感的不足,但是仍存在着初始聚类中心和聚类个数k难以确定的问题,因此,针对算法存在的问题,提出一种基于密度的改进K中心点算法。该算法会根据数据集数据的分布情况自主确定聚类个数k和k个聚类中心点。最后,通过在入侵检测领域KDD Cup99数据集上实验测试表明,改进K中心点算法不仅能够自动形成k个聚类,而且具有较高的入侵检测率和较低的漏报率,聚类和入侵检测的效果均优于传统的K中心点算法。

基于改进遗传模拟退火算法的分布式光伏储能投资决策研究

文章考虑光伏出力的强随机波动性,基于地区光伏电站历史发电功率数据,采用改进的K中心点聚类算法提取光伏出力典型场景;考虑负荷、光伏出力时序特性,构建光伏、负荷联合时序场景。从场景发生概率角度出发,充分考虑光伏安装运维成本、售电、节能降损效益,以光伏电站经济效益最大化为目标,采用改进遗传模拟退火算法搜寻光伏电站最优位置和容量;采用超级电容平抑分布式光伏发电出力波动,以容量最小为目标优化储能装置充放电功率曲线,进而确定储能位置和容量。