一种基于网格框架下改进的多密度SNN聚类算法

针对数据集中数据分布密度不均匀以及存在噪声点,噪声点容易导致样本聚类时产生较大的偏差问题,提出一种基于网络框架下改进的多密度SNN聚类算法。网格化递归划分数据空间成密度不同的网格,对高密度网格单元作为类簇中心,利用网格相对密度差检测出在簇边界网格中包含噪声点;使用改进的SNN聚类算法计算边界网格内样本数据点的局部密度,通过数据密度特征分布对噪声点进行类簇分配,从而提高聚类算法的鲁棒性。在UCI高维的数据集上的实验结果表明,与传统的算法相比,该算法通过网格划分数据空间和局部密度峰值进行样本类簇分配,有效地平衡聚类效果和时间性能。

基于配电网网格边缘代理的电能质量感知技术

针对配网电能质量数据量大、数据处理困难、电能质量感知效率不高、电能质量事件溯源困难的问题,本文提出一种基于配电网网格边缘代理的电能质量分级感知技术,将复杂配电网进行网格化划分,对配电网电能质量进行网格级、用户级、设备级的分级感知。首先,为提高电能质量感知效率,基于网格边缘代理技术,构建了配电网网格电能质量感知技术架构。然后,提出了网格电能质量数据采集、数据传输、以及事件溯源等关键技术,实现配网电能质量数据全自动在线采集,提高电能质量数据采集的颗粒度,实现对通信盲区电能质量数据的采集,以及电能质量事件的精准溯源。最后,为提高配电网电能质量感知能力,研制开发了配电网电能质量感知智能终端及感知系统,并进行了工程试点应用,应用结果表明,本文所提方法可有效提高配电网电能质量事件感知效率,具有一定的工程实用价值。

基于网格划分的混合噪声滤波算法

提出了基于网格划分的混合噪声滤波算法.算法在网格划分基础上定义边缘网格,通过定位出噪声点的位置,在边缘网格和非边缘网格内同时对椒盐噪声和高斯噪声进行处理.实验结果表明,该算法与已有的混合噪声滤波算法对比,能够有效滤除混合噪声和保护图像边缘及细节信息,同时对单一噪声也有不错滤除效果.