期刊文献+
共找到459篇文章
< 1 2 23 >
每页显示 20 50 100
基于K-center和信息增益的Web搜索结果聚类方法 被引量:1
1
作者 丁振国 孟星 《计算机应用研究》 CSCD 北大核心 2008年第10期3125-3127,共3页
基于K-center和信息增益的概念,将改进后的FPF(furthest-point-first)算法用于Web搜索结果聚类,提出了聚类标志方法,使得聚类呈现出的结果更易于用户理解,给出了评价聚类质量的模型。将该算法与Lingo,K-means算法进行比较,其结果表明,... 基于K-center和信息增益的概念,将改进后的FPF(furthest-point-first)算法用于Web搜索结果聚类,提出了聚类标志方法,使得聚类呈现出的结果更易于用户理解,给出了评价聚类质量的模型。将该算法与Lingo,K-means算法进行比较,其结果表明,本算法能够较好地平衡聚类质量和速度,更加适用于Web检索聚类。 展开更多
关键词 WEB文档 聚类 聚类标志 k-center 信息增益
下载PDF
K-centers聚类算法在教学评估中的应用 被引量:4
2
作者 高峰 《计算机工程与应用》 CSCD 北大核心 2007年第12期191-193,共3页
考虑不同出现频率的可分类属性值对聚类中心的影响,通过重新定义聚类中心和距离,提出了一种新的聚类算法K-centers,这种算法能够有效处理可分类和混合类型数据。在此基础上,将K-centers应用于课程教学评估,分析不同类型课程的特点,为评... 考虑不同出现频率的可分类属性值对聚类中心的影响,通过重新定义聚类中心和距离,提出了一种新的聚类算法K-centers,这种算法能够有效处理可分类和混合类型数据。在此基础上,将K-centers应用于课程教学评估,分析不同类型课程的特点,为评估教学提供了参考。 展开更多
关键词 聚类分析 k-centers 混合类型 教学评估
下载PDF
一种面向SNP选择的K-Center算法
3
作者 曹莉敏 周从华 《计算机应用与软件》 北大核心 2020年第9期227-234,共8页
单核苷酸多态性(Single Nucleotide Polymorphism,SNP)数据是一种关于遗传病理学研究的重要数据,其高维少样本,存在大量噪声和冗余,并且SNP位点之间存在连锁不平衡性,因此需要对SNP数据进行降维。提出一种改进的K-Center算法——K-MSU... 单核苷酸多态性(Single Nucleotide Polymorphism,SNP)数据是一种关于遗传病理学研究的重要数据,其高维少样本,存在大量噪声和冗余,并且SNP位点之间存在连锁不平衡性,因此需要对SNP数据进行降维。提出一种改进的K-Center算法——K-MSU算法。使用K-Center进行数据降维,在K-Center算法的距离度量中引入对称不确定性,解决SNP数据之间的连锁不平衡性;针对K-Center算法的随机选择初始聚类中心的方法容易对聚类结果产生较大的影响,使用基于信息增益的密度方法去选择初始聚类中心。在医院提供的临床实验数据的实验结果表明,K-MSU算法在SNP选择中具有更高的分类准确率和较好的效果。 展开更多
关键词 单核苷酸多态 SNP选择 k-center 特征选择 对称不确定性 信息增益
下载PDF
Fair k-Center Problem with Outliers on Massive Data
4
作者 Fan Yuan Luhong Diao +1 位作者 Donglei Du Lei Liu 《Tsinghua Science and Technology》 SCIE EI CAS CSCD 2023年第6期1072-1084,共13页
The clustering problem of big data in the era of artificial intelligence has been widely studied.Because of the huge amount of data,distributed algorithms are often used to deal with big data problems.The distributed ... The clustering problem of big data in the era of artificial intelligence has been widely studied.Because of the huge amount of data,distributed algorithms are often used to deal with big data problems.The distributed computing model has an attractive feature:it can handle massive datasets that cannot be put into the main memory.On the other hand,since many decisions are made automatically by machines in today’s society,algorithm fairness is also an important research area of machine learning.In this paper,we study two fair clustering problems:the centralized fair k-center problem with outliers and the distributed fair k-center problem with outliers.For these two problems,we have designed corresponding constant approximation ratio algorithms.The theoretical proof and analysis of the approximation ratio,and the running space of the algorithm are given. 展开更多
关键词 machine learning distributed algorithm fairness constraints outlier constraints k-center problem
原文传递
满足参数不等式的k-Center问题的近似算法
5
作者 张同全 王泽磊 《云南大学学报(自然科学版)》 CAS CSCD 2004年第B07期29-32,共4页
考虑了无向完全图中满足参数不等式的k-Center问题,确切来讲,假定有一参数τ满足τ≥12,对于任意3个点x,y和z,都有dist(x,y)≤τ(dist(x,z)+dist(z,y)).利用罚参数中技术得到了1个2τ近似的算法,并且证明了对任意的ε>0,不存在2τ-... 考虑了无向完全图中满足参数不等式的k-Center问题,确切来讲,假定有一参数τ满足τ≥12,对于任意3个点x,y和z,都有dist(x,y)≤τ(dist(x,z)+dist(z,y)).利用罚参数中技术得到了1个2τ近似的算法,并且证明了对任意的ε>0,不存在2τ-ε近似,除非P=NP.用同样的技术得到了对于有权重限制的k-Center问题的1个2τ2+τ近似算法. 展开更多
关键词 参数不等式 k-center问题 近似算法 独立集 罚参数 控制集
原文传递
基于蚁群算法的三支k-means聚类算法
6
作者 朱金 徐天杰 王平心 《江苏科技大学学报(自然科学版)》 CAS 2024年第3期63-69,共7页
在聚类分析中,三支k-means聚类算法较具有较强的处理边界不确定数据的能力,但仍然存在对初始聚类中心敏感的问题.通过将蚁群算法和三支k-means聚类算法相结合,给出了一种基于蚁群算法的三支k-means聚类算法来解决这一问题.利用蚁群算法... 在聚类分析中,三支k-means聚类算法较具有较强的处理边界不确定数据的能力,但仍然存在对初始聚类中心敏感的问题.通过将蚁群算法和三支k-means聚类算法相结合,给出了一种基于蚁群算法的三支k-means聚类算法来解决这一问题.利用蚁群算法中随机概率选择策略和信息素的正负反馈机制,动态调整权重的方法,对三支k-means聚类算法进行优化.在UCI数据集上实验证明,该方法对聚类结果的性能指标有所提高. 展开更多
关键词 三支k-means K-MEANS聚类算法 聚类中心 蚁群算法
下载PDF
基于改进K-means算法的物流配送中心选址研究 被引量:1
7
作者 姚佼 吴秀荣 +3 位作者 李皓 谢贝贝 王诗璇 梁益铭 《物流科技》 2024年第5期10-13,19,共5页
针对传统K-means算法需要主观设定K值及无法处理类别型数据问题,文章运用肘部法及轮廓系数法确定合理K值,对类别型数据采取独热编码(One-Hot Encoding)转换为可以处理的连续型数据,并将其运用到在物流配送中心选址中;并综合考虑多种类... 针对传统K-means算法需要主观设定K值及无法处理类别型数据问题,文章运用肘部法及轮廓系数法确定合理K值,对类别型数据采取独热编码(One-Hot Encoding)转换为可以处理的连续型数据,并将其运用到在物流配送中心选址中;并综合考虑多种类别的影响因素,构建了相应的影响因素指标体系,提出的模型能够识别输入数据的数值型及类别型数据,实现样本的有效聚类。相关的案例分析结果表明,相比传统K-means聚类,文章的改进K-means算法选址结果可使物流总成本降低8.76%,运营成本降低14.85%,固定成本降低8.09%,效果显著。 展开更多
关键词 物流配送中心选址 K-MEANS聚类算法 肘部法 轮廓系数法 独热编码
下载PDF
基于交通拥堵信息的高速公路拥堵路段ACK-Means聚类
8
作者 陈昕 阮永娇 肇毓 《科学技术与工程》 北大核心 2024年第21期9194-9200,共7页
为了充分利用实际高速公路路段交通拥堵信息,更合理地聚类交通拥堵的内在规律和特征变化,提出自适应确定聚类中心C和类别K值(adaptive center and K-means value,ACK-Means)的聚类算法,进行高速公路拥堵路段聚类。ACK-Means算法借助簇... 为了充分利用实际高速公路路段交通拥堵信息,更合理地聚类交通拥堵的内在规律和特征变化,提出自适应确定聚类中心C和类别K值(adaptive center and K-means value,ACK-Means)的聚类算法,进行高速公路拥堵路段聚类。ACK-Means算法借助簇类密度、簇类间距以及簇类强度,同时又考虑到数据样本的偶然性,对离群点进行合理分配,ACK-Means算法可实现自适应确定聚类中心C和类别K值。基于实际交通拥堵信息构建数据集,Python编程实现高速公路拥堵路段ACK-Means聚类,巧妙解决了高速公路拥堵路段聚类数目K和聚类中心C设定问题。聚类结果表明,ACK-Means算法实现高速公路拥堵路段无监督聚类,聚类结果完全基于实际的高速公路交通拥堵信息,具有更高的实用性。 展开更多
关键词 交通拥堵聚类 ACK-Means算法 自适应聚类中心 自适应K值 交通拥堵信息
下载PDF
基于主题词向量中心点的K-means文本聚类算法
9
作者 季铎 刘云钊 +1 位作者 彭如香 孔华锋 《计算机应用与软件》 北大核心 2024年第10期282-286,318,共6页
K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策... K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。 展开更多
关键词 K-MEANS 初始点 决策图 迭代类中心 主题词向量
下载PDF
基于MapReduce的大规模网络社区发现算法
10
作者 王瀚橙 戴海鹏 +2 位作者 陈志鹏 陈树森 陈贵海 《计算机科学》 CSCD 北大核心 2024年第4期11-18,共8页
社区发现是社会网络挖掘领域的基本问题。随着海量数据的迅速产生,传统社区发现算法愈发难以处理大规模社会网络。因此,针对大规模网络设计高效的社区发现算法意义重大。文中提出了一种基于MapReduce和k中心聚类的新型分布式算法。首先... 社区发现是社会网络挖掘领域的基本问题。随着海量数据的迅速产生,传统社区发现算法愈发难以处理大规模社会网络。因此,针对大规模网络设计高效的社区发现算法意义重大。文中提出了一种基于MapReduce和k中心聚类的新型分布式算法。首先,该算法提出“朋友圈系数”技术,该技术可更加准确地度量结点间的距离。其次,该算法提出“两阶段k中心聚类”技术,该技术在选取中心点过程中融入结点中心度启发式信息,可显著优化输出结果的模块度。最后,该算法提出“以模块度为优化目标的社区融合”技术,该技术能够在无先验知识的前提下自动确定网络中的社区数目。实验结果表明,所提算法的社区发现结果模块度明显优于最先进的社区发现算法。例如,相比LPA算法,其将模块度平均提升9.19倍。 展开更多
关键词 社区发现 k中心聚类 分布式计算 数据挖掘 大数据
下载PDF
基于3D激光雷达的鸡舍通道中心线检测方法
11
作者 韩雨晓 李帅 +3 位作者 王宁 安娅军 张漫 李寒 《农业工程学报》 EI CAS CSCD 北大核心 2024年第9期173-181,共9页
针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体... 针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体素滤波、统计滤波和平面投影对获取的3D激光雷达点云数据进行预处理,获取XOY平面上的点云数据。通过改变K-means聚类初始点选择方式和聚类函数对预处理后的点云数据进行数据分类。利用改进RANSAC算法对分类后的数据进行处理,提取通道中心线。试验结果表明该研究提出的改进K-means聚类算法平均耗时6.98 ms,相较于传统的K-means聚类算法平均耗时减少了29.40 ms,准确率提高了82.41%。该研究提出的改进RANSAC算法中心线提取准确率为93.66%、平均误差角为0.89°、平均耗时为3.97 ms,比LSM算法得到的平均绝对误差角高0.14°,平均耗时减少6.15 ms。表明该研究提出的鸡舍通道中心线检测方法基本满足笼养鸡舍环境实时自主导航的需求,为巡检机器人在鸡舍作业通道内进行激光雷达导航提供了技术支撑。 展开更多
关键词 导航 机器人 激光雷达 鸡舍 K-MEANS聚类 随机抽样一致性算法 中心线拟合
下载PDF
基于改进K-means算法的大跨屋盖结构表面风荷载分区研究
12
作者 李玉学 杨君保 +1 位作者 陈铁 田玉基 《防灾减灾工程学报》 CSCD 北大核心 2024年第5期1106-1114,共9页
针对K-means算法进行大跨屋盖结构表面风荷载分区中存在的分类数k值需凭经验事先给定以及所有初始聚类中心均需随机选取带来的分类情况数过多、从中寻找最优分类结果工作量大且效率低的问题,提出基于改进K-means算法的大跨屋盖结构表面... 针对K-means算法进行大跨屋盖结构表面风荷载分区中存在的分类数k值需凭经验事先给定以及所有初始聚类中心均需随机选取带来的分类情况数过多、从中寻找最优分类结果工作量大且效率低的问题,提出基于改进K-means算法的大跨屋盖结构表面风荷载分区方法。首先,建立分类数k与其相应测点风荷载的误差平方和(Sum of the Squared Errors:SSE)关系曲线,引入手肘法基本思想,实现最优分类数kst值的精准识别;其次,在首个初始聚类中心随机选取基础上,引入轮盘法基本思想,完成对剩余初始聚类中心的高效选取;然后,根据类内紧凑、类间分散的原则,通过类内紧凑性判定指标S(k)和类间分散性判定指标D(k),构造并借助SD(k)值有效性检验,得到最优的风荷载分区结果;最后,以北京奥林匹克网球中心大跨悬挑屋盖结构为例,针对风洞试验所得风荷载测试结果,采用所提方法对其表面最不利风压系数进行分区计算,并与传统K-means算法进行对比,结果表明,所提方法能够高效实现大跨屋盖结构表面风压分区计算,具有较好的工程应用价值。 展开更多
关键词 大跨屋盖结构 风荷载分区 K-MEANS算法 分类数 聚类中心
下载PDF
自适应引力密度峰值聚类优化算法
13
作者 罗岚 詹凤 +2 位作者 周传华 任太娇 周昊 《微电子学与计算机》 2024年第3期21-28,共8页
针对密度峰值聚类(Density Peak Clustering,DPC)算法对截断距离的取值较为敏感,密度度量标准不统一且人为选取聚类中心存在主观性的问题,提出了一种自适应引力密度峰值聚类优化(Optimized Adaptive Gravitational Density Peak Cluster... 针对密度峰值聚类(Density Peak Clustering,DPC)算法对截断距离的取值较为敏感,密度度量标准不统一且人为选取聚类中心存在主观性的问题,提出了一种自适应引力密度峰值聚类优化(Optimized Adaptive Gravitational Density Peak Clustering Algorithm,OAGDPC)算法。首先采用模糊加权K-近邻技术(Fuzzy Weighted KNearest Neighbors Density Peak Clustering,FKNN-DPC)重新定义了局部密度,统一了密度度量的标准;然后提出一种自适应选择聚类中心的策略,结合基于引力的密度峰值(Gravitational Density Peak Clustering,GDPC)算法中牛顿万有引力定律与DPC算法的参数映射,使用引力类比距离,并设置综合考虑局部密度和引力的决策参数,依据决策参数降序折线图的顶角变化自适应确定聚类中心;最后聚集非中心点并识别异常点。实验选取DPC、GDPC、FKNN-DPC和OAGDPC在人工和UCI数据集上进行测试,结果表明,OAGDPC算法在各数据集上都有良好的表现,特别在聚类结果准确性、自适应能力、鲁棒性方面相对于对比算法具有明显优势。 展开更多
关键词 密度峰值聚类 聚类中心自适应 K最近邻 模糊邻域
下载PDF
基于改进K-means聚类定心算法的曲轴轴颈圆度误差评定
14
作者 邹春龙 黄配乐 +2 位作者 王生怀 冯乾新 王宸 《工具技术》 北大核心 2024年第6期141-150,共10页
曲轴轴颈的圆度误差作为曲轴必检的核心尺寸,直接影响曲轴的寿命和性能。针对圆度误差求解数据量多和计算复杂的问题,提出一种基于改进K-means聚类定心算法的圆度误差评定方法。该算法通过对轴颈采样通道的样本点进行环形聚类获得集合UK... 曲轴轴颈的圆度误差作为曲轴必检的核心尺寸,直接影响曲轴的寿命和性能。针对圆度误差求解数据量多和计算复杂的问题,提出一种基于改进K-means聚类定心算法的圆度误差评定方法。该算法通过对轴颈采样通道的样本点进行环形聚类获得集合UK,同时以设计的目标控制器剔除UK的噪声点,以UK的最小二乘法圆度评定误差fm来估计整个环形样本的误差。聚类值从K=5循环迭代增加,直至fm符合预设统计质量控制规划。评定结果表明,聚类定心算法的圆度误差评定方法能实现曲轴圆度误差的高效、精确评定。 展开更多
关键词 曲轴 圆度评定 K-MEANS 聚类定心
下载PDF
基于改进K-Means算法的电动汽车充电负荷特性分析 被引量:1
15
作者 李俊达 陈姝敏 +2 位作者 王天安 张玎一 吴全才 《云南电力技术》 2024年第3期10-13,19,共5页
电动汽车充电行为具有较大的随机性,一定程度上影响电网的稳定运行和规划。为更准确地分析电动汽车充电负荷的特性,提出一种基于改进K-Means算法的聚类分析方法。针对K-Means算法在初始聚类中心选取上的随机性和不稳定性,首先利用Mini B... 电动汽车充电行为具有较大的随机性,一定程度上影响电网的稳定运行和规划。为更准确地分析电动汽车充电负荷的特性,提出一种基于改进K-Means算法的聚类分析方法。针对K-Means算法在初始聚类中心选取上的随机性和不稳定性,首先利用Mini Batch K-Means算法的随机抽样能力优化初始聚类中心的选择,随后结合K-Means算法进行迭代优化,有效解决K-Means算法聚类结果不稳定的问题。以云南某城市充电桩负荷数据进行算例分析,结果表明,所提算法相比传统方法相比能更加准确地对多个不同负荷特性的用户进行分类,从而更有效地指导有序用电管理策略的制定。 展开更多
关键词 K-MEANS算法 Mini Batch K-Means算法 负荷特性分析
下载PDF
动态粒度结合中心点算法在电力设备缺陷管控中的应用研究
16
作者 万少明 代金磊 《中国高新科技》 2024年第3期79-81,共3页
针对电力设备缺陷管控问题,文章研究提出了一种基于改进k-中心点聚类算法与动态粒度的电力设备缺陷管控模型。首先,利用改进的k-中心点聚类算法对设备缺陷数据进行聚类处理;然后,将动态粒度与改进算法进行结合,用于构建缺陷管控模型。... 针对电力设备缺陷管控问题,文章研究提出了一种基于改进k-中心点聚类算法与动态粒度的电力设备缺陷管控模型。首先,利用改进的k-中心点聚类算法对设备缺陷数据进行聚类处理;然后,将动态粒度与改进算法进行结合,用于构建缺陷管控模型。结果表明,缺陷管控模型的数据聚类正确率为93.07%,聚类效率能够达到90.07%,同时数据识别准确率、召回率和F1值分别为93.27%、93.52%和0.951,均优于对比方法。这说明研究构建的电力设备缺陷管控模型显著可以提高设备的可靠性和稳定性。 展开更多
关键词 动态粒度 k-中心点聚类算法 电力设备 缺陷管控
下载PDF
基于K-means物流配送中心选址模型
17
作者 李川 刘洲洲 李美蓉 《计算机与数字工程》 2024年第9期2810-2813,2830,共5页
针对当前物流配送成本高、效率低、城市物流配送中心选址不合理等问题,在分析国内外物流配送中心选址的基础上,通过对物流配送中心选址的影响因素进行研究,采用计算多维欧几里得距离,构建基于K-means算法的物流配送中心选址模型,该模型... 针对当前物流配送成本高、效率低、城市物流配送中心选址不合理等问题,在分析国内外物流配送中心选址的基础上,通过对物流配送中心选址的影响因素进行研究,采用计算多维欧几里得距离,构建基于K-means算法的物流配送中心选址模型,该模型根据收货点与各配送中心的欧几里得距离最小值进行聚类,以确定物流配送中心的位置及其所覆盖的收货点,该模型为国内物流公司调整或新增物流配送中心提供了一个解决方案。通过应用实验,验证了模型合理性及有效性,并分析研究中的不足和进一步研究方向。 展开更多
关键词 欧几里得距离 K-MEANS 物流配送中心 选址
下载PDF
k度匿名社交网络隐私保护方法
18
作者 王振昕 刘涛 +2 位作者 汪玉洁 包象琳 徐晓峰 《天津理工大学学报》 2024年第1期92-100,共9页
随着社交网络的迅速发展,社交网络积累了大量的数据,它们在一定程度上反映了社会规律。社交网络分析人员研究这些数据可得到有用的信息,但在该过程中,往往伴随着用户隐私泄露。针对如何在挖掘有效知识的问题中保证隐私安全,提出了k度匿... 随着社交网络的迅速发展,社交网络积累了大量的数据,它们在一定程度上反映了社会规律。社交网络分析人员研究这些数据可得到有用的信息,但在该过程中,往往伴随着用户隐私泄露。针对如何在挖掘有效知识的问题中保证隐私安全,提出了k度匿名社交网络隐私保护方法(k degree anonymity social network privacy protection method,KDSNP)。首先,将社交网络转化为度序列,采用聚类的方法生成超点,再对超点进行划分得出至少包含k个节点的超点,以满足k度匿名的要求保证用户隐私,最后通过邻域中心概念和结构相似度相结合,对节点的边进行删除和增加,能有效减少信息损失和提高数据的效用性。在不同的数据集上的试验结果表明,与其他类似技术相比,该方法在匿名图和原始图间的平均相对性能较好。 展开更多
关键词 社交网络 k度匿名 邻域中心 结构相似度
下载PDF
改进K均值聚类下铣床轴承沟道磨损检测研究
19
作者 睢雪亮 夏景攀 《自动化仪表》 CAS 2024年第10期80-85,共6页
针对铣床轴承沟道磨损检测精度较低的问题,提出改进K均值聚类下铣床轴承沟道磨损检测方法。通过UT372手持式光电速度仪与MPU-605压电加速度仪,采集铣床轴承沟道磨损数据。根据最远最近原则,初步选取数据集的聚类中心。使用欧氏距离计算... 针对铣床轴承沟道磨损检测精度较低的问题,提出改进K均值聚类下铣床轴承沟道磨损检测方法。通过UT372手持式光电速度仪与MPU-605压电加速度仪,采集铣床轴承沟道磨损数据。根据最远最近原则,初步选取数据集的聚类中心。使用欧氏距离计算出数据集各点间的距离与所有数据的平均距离,并结合交叉验证确定聚类中心的两个阈值。引入Canopy算法改进K均值聚类,确定全局最佳的聚类中心,从而实现铣床轴承沟道磨损的智能检测。试验结果表明,改进K均值聚类算法在铣床轴承沟道磨损检测中,迭代次数固定为15次、Jaccard系数极其接近1。该方法能够显著提升聚类的计算速度和稳定性,可识别不同铣床轴承沟道磨损故障类型,且检测精度高。 展开更多
关键词 铣床轴承 沟道磨损 K均值聚类 Canopy算法 聚类中心 欧氏距离 最远最近原则 交叉验证确定
下载PDF
结合边缘计算的电力智慧中枢平台实时数据处理与分析系统设计
20
作者 易鹏 《科技创新与生产力》 2024年第11期101-105,共5页
本文指出在电力智慧中枢平台建设日益重要的背景下,其海量智能化高效处理需求变得尤为突出。为了满足这一需求,本文充分结合边缘计算的电力数据测量,通过边缘数据分析系统实时采集并分析用户电力数据,利用云-边协同架构优化任务分配,实... 本文指出在电力智慧中枢平台建设日益重要的背景下,其海量智能化高效处理需求变得尤为突出。为了满足这一需求,本文充分结合边缘计算的电力数据测量,通过边缘数据分析系统实时采集并分析用户电力数据,利用云-边协同架构优化任务分配,实现了时间与资源的高效利用。同时,引入了改进K-means算法对电力大数据进行分类处理,通过优化初始聚类中心,提高了算法处理大规模数据集的效率和准确性。根据改进后的算法,设计了电力智慧中枢平台数据分析系统,对系统的架构实施了全面分析,能够降低误分率。实验结果表明,本文提出的改进K-means算法的运算时间为20.15 s,明显优于其他算法,显示出良好的工程实用性。这一系统为智能电力的高效、稳定运行,提供了有力支持。 展开更多
关键词 电力智慧中枢 数据分析系统 边缘计算 K-MEANS算法 误分率
下载PDF
上一页 1 2 23 下一页 到第
使用帮助 返回顶部