基于灰狼优化GHFCM的居民电力数据聚类方法及装置.pdf
美丽****ka
亲,该文档总共34页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于灰狼优化GHFCM的居民电力数据聚类方法及装置.pdf
本发明公开了一种基于灰狼优化GHFCM的居民电力数据聚类方法及装置,该方法包括:步骤1:根据居民用户的用电特性,利用相关特性指标对用户的电量数据进行降维处理;步骤2:首先采用灰狼优化算法(GWO)选择初始聚类点,然后利用广义层次模糊C均值算法(GHFCM)对居民电力数据进行聚类。本发明采用考虑层次距离函数和空间约束的模糊目标函数,有助于提高聚类算法的质量。并将聚合理论方法用于参与需求响应的居民用户分类中,为电网侧针对不同用户定制异质性电力套餐的过程提供科学的依据。
基于精准模糊聚类算法的居民电力数据聚类方法及装置.pdf
本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置,该方法包括:步骤1:推导精准模糊聚类算法的目标函数,并定义精准模糊聚类中心,计算隶属矩阵,控制精准模糊聚类算法的误差,使得精准模糊聚类算法的目标函数最小;步骤2:根据评价数据集聚类方法的度量指标,选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算,得到一个影响精准模糊隶属矩阵精度的隶属系数,从而确定精准模糊聚类算法的聚类中心,并运用精准模糊聚类算法对数据聚类。本
数据聚类方法以及装置.pdf
本说明书实施例提供数据聚类方法以及装置,其中所述数据聚类方法包括:获取待聚类数据集,并根据所述待聚类数据集中任意两个待聚类数据间的匹配概率,对所述任意两个待聚类数据进行聚类处理,生成中间聚类结果,根据所述中间聚类结果中任意两个待聚类数据间的匹配概率,确定所述中间聚类结果中、每个待聚类数据对应的期望值,其中,所述期望值包括聚类准确度期望值和/或聚类分裂度期望值,根据所述期望值,对所述中间聚类结果进行调整,生成对应的目标聚类结果。
一种基于聚类特征的电力负荷预测方法及装置.pdf
本发明公开了一种基于聚类特征的电力负荷预测的方法及装置,该方法包括:分析接收到的负荷预测请求,得到与负荷预测请求相匹配的负荷预测信息,根据负荷预测信息,获取历史电力负荷数据,对获取到的所有历史电力负荷数据执行聚类操作,得到至少一个负荷类别,将每个负荷类别中所包括的所有历史电力负荷数据输入值预先设定的目标预测模型,得到目标预测模型的目标输出结果,根据目标输出结果,生成电力负荷预测结果。可见,实施本发明能够基于聚类特征对电力负荷进行预测,能够有利于提高对于电力负荷预测的准确性,以及能够有利于提高对于电力负荷预
基于谱聚类的音频数据聚类方法.pdf
本发明公开了一种基于谱聚类的音频数据聚类方法,包括以下步骤:计算音频数据的音频周期,按照音频周期进行分帧处理,提取音频特征;以帧频谱图峰值最大处的频率序列方差为横轴、以每帧功率和的序列方差的对数值为纵轴、以功率和的平均值为Z轴,构建音频三维坐标系,得到三维音频向量,然后根据音频向量间的距离计算相似度,得到音频数据的相似度矩阵S;利用谱聚类方法对音频数据进行聚类。本发明可为海量的音乐自动分类提供实用方法,并且能精准的推荐给不同的用户增强用户体验。