基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

论文摘要

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性。提出一种改进的K-means算法与数据降噪处理相结合的方法。首先,DBSCAN（基于密度的空间聚类算法）用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响。然后利用轮廓系数和误差平方和确定最优的聚类数。最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线。这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法。

论文目录

• 1 DBSCAN密度聚类算法
• 2 K-means算法改进
•   2.1 用于K值确定的聚类评价指标
•     a. 轮廓系数
•     b. 误差平方和
•   2.2 K-means++算法
•   2.3 DBSCAN密度聚类算法与K-means++算法结合
• 3 算例分析
• 4 原始K-means算法聚类比较
• 5 结束语

文章来源

类型: 期刊论文

作者: 金之榆,王毛毛,史会磊

关键词: 负荷聚类,算法,聚类算法,噪声点,聚类评价指标

来源: 东北电力技术 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用

单位: 三峡大学电气与新能源学院,国网襄阳供电公司,国网五峰县供电公司

分类号: TM714;TP311.13

页码: 10-14

总页数: 5

文件大小: 4868K

下载量: 199