-
题名基于特征加权的SFO-K_means用电行为研究
被引量:2
- 1
-
-
作者
唐辉
刘晓波
韩祥民
邱知
徐邦贤
-
机构
贵州大学电气工程学院
-
出处
《智能计算机与应用》
2021年第9期165-169,共5页
-
基金
国家自然科学基金(51867005)。
-
文摘
在传统的K_means算法中,初始聚类中心大多采用任意选取或者凭借经验,使算法的准确性易受选取结果的影响。针对这些不足,提出了利用剑鱼算法全局寻优特性,来改进K_means初始聚类中心的选取。UCI数据对比显示,改进算法在平均迭代次数和准确率方面优于传统K_means算法。在用户用电行为分析上,利用提取的5个降维特征指标,对每半小时采样一次的高维日负荷曲线进行降维处理;引入Critic法来确定指标的权重系数,并利用皮尔逊相关系数与熵权,分别衡量指标之间的冲突性与指标内部的对比强度;采用特征加权的SFO-K_means算法进行聚类分析。算例结果表明,该法在聚类质量上有一定的优越性,聚类结果能反应出用户的用电行为习惯。
-
关键词
用电行为
K_means
剑鱼算法
sfo-k_means
Critic法
熵权
-
Keywords
electricity consumption behavior
Kmeans
SFO algorithm
SFO-Kmeans
Critic
Entropy weight
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-