基于CS与模糊均值的电力客户画像模型研究

本文基于CS算法和模糊均值算法,研究了电力信息化客户画像模型,旨在提高电力企业对客户的了解和服务水平。本文收集了客户的个人信息和消费行为数据,利用CS算法进行特征选择和数据降维,并运用模糊均值算法进行聚类分析,最终得出客户的画像结果。试验结果表明,该模型能够对客户进行准确分类和描述,为电力企业提供精准的市场营销和服务决策支持。

基于模糊均值聚类的继电保护二次回路故障检测方法

继电保护二次回路涉及众多线路和设备,故障检测效率较低,为此,设计一种基于模糊均值聚类的继电保护二次回路故障检测方法。采集继电保护二次回路的状态数据,应用模糊均值聚类算法来处理这些数据,通过算法的智能分类功能,将具有相似特征的故障模式准确归类;基于分类后的故障特征,构建二次回路故障检测模型,通过模型的输出结果,实现对继电保护二次回路故障的精准定位。结果表明,基于模糊均值聚类的继电保护二次回路故障检测方法的故障检测效率均在94%以上,波动不超过1%,证明设计方法检测效率较高,能有效实现继电保护二次回路故障检测。

自适应果蝇算法优化模糊均值聚类算法图像分割

为提高图像分割精度,并针对传统模糊均值聚类算法存在的聚类中心选取问题,提出一种改进果蝇算法优化模糊均值聚类算法的图像分割算法。首先,根据上一代最优味道浓度判断值和当前迭代次数来自适应调整果蝇算法进化步长,在初期的步长大可避免陷入局部最优,进化后期果蝇移动步长变小可获得更高的收敛精度,加快收敛速度;然后,采用改进果蝇算法选择模糊均值聚类算法的初始聚类中心,实现图像分割;最后,采用仿真实验测试算法的性能,实验结果表明,相对于对比算法,算法在分割正确率、分割速度及鲁棒性上均更优,具有更广的应用前景。

一种基于密度的加权模糊均值聚类算法

针对当数据集合中的数据属性差异不明显时,传统的均值聚类算法会收敛到局部最小值点,造成算法聚类结果不准、精度下降的问题,提出了一种基于密度的加权模糊均值聚类算法。该算法通过计算差异属性类中的相关密度,运用密度作为确定初始类中心的方法,得到了聚类效果更好的初始值。之后用加权模糊算法克服类划分中数据属性差异不明显带来的弊端,对类中差异属性进行归类划分。实验结果表明,该算法依然可以区分出不同属性的重要程度,而且其稳定性和聚类效果都有一定的提高。

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点 ,提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法 ,可以同时检测各个像素点的正负向噪声幅度 ,从而能够建立一种新的自适应的模糊信号空间 ,以适应噪声在各个图像局部的变化。实验结果表明 ,MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。

基于知识量加权的直觉模糊均值聚类方法

针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。

针对无网格并行计算的基于模糊均值聚类的分区方法

针对国际上普遍采用的基于回归几何二分的分区方法的缺陷,提出了基于模糊均值聚类的均匀模糊均值聚类分区算法。采用该方法对不同类型的无网格几何模型进行了分区,并根据分区信息对三维实体模型进行了并行计算。通过与基于回归几何二分法的比较,充分验证该算法的有效性和可行性。

改进遗传算法优化模糊均值聚类中心的图像分割

针对传统模糊均值聚类算法存在的问题,提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法.首先在标准遗传算法的交叉操作中引入方向因子,使参与交叉的个体向最佳个体靠近,加快算法的收敛速度,并通过增强群体间的信息共享机制提高算法的全局搜索能力,避免了早熟收敛,改善了全局解的精度;然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心,实现图像分割;最后采用仿真实验测试算法性能.实验结果表明,相对于传统模糊均值聚类算法及其他图像分割算法,本文算法在分割正确率、分割速度及鲁棒性上均更优.

基于模糊均值聚类算法的运动目标检测方法

在实时监控系统中利用模糊均值聚类算法来检测运动目标,有着良好的抑制噪音干扰效果,同时对小目标能够进行很好的检测和跟踪。

基于改进模糊均值聚类算法的遥感图像聚类

由于传统模糊C均值聚类算法存在缺陷,该文给出了一种结合加权模糊C均值聚类与聚类有效性指数的算法。利用数据点的密度大小作为权值,借助数据本身的分布特性,该方法不仅在一定程度上克服了模糊均值算法的缺陷——有对数据集进行等划分的趋势,而且具有良好的收敛性。

基于双尺度度量的改进模糊均值曲线聚类方法研究

智能化电力网络中存在许多随时间变化表现出明显曲线特征的函数型数据,进行曲线聚类可以有效挖掘数据信息。针对模糊均值聚类算法初始聚类中心选取困难以及曲线聚类方法中相似度衡量不准确等问题,提出一种基于双尺度度量的改进模糊均值曲线聚类方法。根据皮尔逊距离衡量曲线的纵向形状相似性、动态时间弯曲距离衡量曲线的横向形状相似性,提出一种基于双尺度度量的密度峰值算法确定初始聚类中心;采用改进熵权法融合皮尔逊距离与动态时间弯曲距离作为聚类算法中的相似性度量;采用聚类有效性指标,从聚类效果、算法稳定性2个方面对聚类结果和算法性能进行评价;最后采用某地区一年的风电实际出力数据作为算例样本进行聚类分析,验证了所提出模型及算法的正确性和有效性。

应用改进粒子群优化的模糊均值聚类算法的暂态稳定机组分群方法

针对模糊C-均值聚类方法(fuzzy C-means,FCM)应用于机组分群时存在易收敛于局部最优值的问题,提出了改进的粒子群优化(particle swarm optimization,PSO)的模糊C-均值聚类算法(PSO-FCM)用于机组分群的方法,并阐述了分群算法中关键参数的选取方法。为充分利用FCM多特征量分析的优点,同时引入了功角、角速度作为分群特征量,提出了利用同调性指标自适应确定分群数目的方法,分群时采用约1个摇摆周期的数据分析。理论分析和仿真结果表明,所提方法能够取得一致、稳定的分群结果,效果优于传统的模糊聚类方法。

面向路线图编制的模糊均值文本聚类挖掘方法研究

为满足技术路线图编制需要,针对模糊c均值对初始值敏感和稳定性差的缺点,通过引入遗传算法和类的概念向量,提出了一种改进的模糊均值文本聚类挖掘方法——CGFCM方法.首先根据遗传算法全局搜索的特点,CGFCM方法利用遗传算法求出文本的初始聚类中心,然后利用类的概念向量,建立概念向量矩阵,使用迭代概念向量矩阵完成文本的模糊聚类划分,实现文本聚类挖掘.最后通过实例对比,验证了CGFCM方法的挖掘效果.

改进模糊均值聚类算法在用地规划识别及负荷预测中的应用

针对传统模糊均值聚类算法在城市规划图纸的地块信息分割识别中存在噪声敏感、误差较大等问题,提出了一种改进模糊均值聚类算法的用地规划智能识别技术.算法扩展了像素样本和聚类中心之间的距离,并在目标函数中引入了邻域像素的空间信息从而提高FCM聚类算法的准确性和抗干扰性.实验结果表明,采用改进的FCM算法得到城市规划不同性质用地的聚类面积和实际规划面积误差在-6.95%~13.08%,在此基础上得到的负荷预测数值与历史数据相比,准确率平均值约为96.4%.

基于改进模糊均值聚类算法的遥感图像分割技术

针对遥感图像分割迅速性和准确性不高的问题,提出了一种基于改进模糊均值聚类算法的遥感图像分割技术并将其应用于电力规划建设领域。以模糊均值聚类算法为基础,采用样本特征值平方差方式定义了新的特征距离,并通过引入空间函数方式实现了对图像空间信息的利用,从而对模糊均值聚类算法进行改进。结果表明:改进FCM算法单张图像处理时间约为FCM-S图像处理算法的0.43倍,约为FCM图像处理算法的0.19倍;改进FCM算法图像分割准确率约为95.3%,比FCM-S算法高约2.7%,比传统FCM算法高约7.1%。

基于模糊均值聚类的调峰调频信息控制方法研究

随着分布式能源大规模接入电网,接入电力网络的信息呈多元化趋势发展。为解决分布式能源调峰调频控制信息时延保障的问题,提出了一种基于模糊均值聚类的调峰调频信息控制方法。首先,对分布式能源信息进行聚类,并对分布式能源按控制、信息类划分传输优先级。其次,建立多个网段的流量协作控制单元,对区域网络进行统一控制。然后,通过边缘计算判断当前网段节点流量数据是否越限,对超过流量阈值的信息类数据进行流量卸载,降低调峰调频信息的传输时延。最后,在某区域配电网进行实例验证。该方法的数据分析准确率平均为99.7%,高于四阶累积量方法。其运行结果验证了该方法的有效性。

基于模糊均值聚类和感知机的网络银行客户挖掘

通过结合运用模糊均值聚类和感知机进行网络银行目标营销,首先利用模糊c均值方法(FCM)找出频繁使用网络银行服务的客户,再进一步用这些客户样本对一个多层感知机(MLP)进行训练,最后利用训练好的感知机对银行的非网络银行注册客户进行分类,找出潜在的网上银行服务频繁使用者,银行即可对这些客户进行重点推广网络银行服务。

一类随机截尾Simmons模型及基于一种模糊均值算法识别分类的应用

文章在随机截尾模型基础上建立了一种随机截尾的Simmons模型,讨论了有限总体下敏感性问题的抽样调查方法,以及利用这种方法所得出的估计量,并给出了无偏与方差估计量公式。还提出了一种模糊均值算法,更加有效地对训练样本进行比较准确模糊分类。

基于模糊均值聚类的自适应指纹图像分割

指纹分割是指纹图像预处理中的重要一步,有效的分割能减少后续处理时间并提高特征提取的可靠性。提出一种基于FCM的指纹图像分割方法。利用指纹图像脊线和谷线的灰度方差、纹线的方向一致性进行指纹图像分级分割,由FCM算法自适应的选择分割阈值。避免了人为选择阈值的困难。实验结果表明,该方法具有较高的稳健性和有效性。

基于改进模糊均值聚类的汉语言学习用户学习行为模式研究

为了实现汉语言在线学习用户学习行为聚类分析,针对FCM聚类结果易受其初始聚类中心选择的影响,提出一种基于IHS-FCM的汉语言学习用户学习行为聚类分析。选择参与维度、专注维度、规律维度、交互维度和学习成绩等作为学习行为的分析指标,学习者层次分为5个等级,分别为优秀、良好、中、合格和差。与HS-FCM、SVM和决策树对比发现,文中算法IHS-FCM具有更高的聚类准确率和更快的收敛速度以及更低的适应度,为学习者层次划分和优化课程学习提供了新的方法。