一种用户负荷双层聚类方法.pdf
努力****恨风
亲,该文档总共18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
一种用户负荷双层聚类方法.pdf
本发明涉及负荷数据聚类分析技术领域,公开了一种用户负荷双层聚类方法,使用短时互相关系数聚类算法,对用户负荷进行形态相似聚类,得到多个第一聚类簇;使用欧氏距离聚类算法,对多个第一聚类簇依据幅度进行聚类;采用短时互相关系数对负荷曲线进行形态相似聚类,保留了样本间的不相似程度,避免了互相关系数过度位移致使聚类效果不佳。因为限制了序列的位移区间,相较于DTW和k‑shape两种考虑时序特性的形态聚类算法相比,算法运行时间更短,并且在聚类效果和有效性指标上表现更优,利用基于欧氏距离的聚类算法对形态相似聚类的结果进行
一种电力负荷聚类的方法及装置.pdf
本发明提供了一种电力负荷聚类的方法及装置。所述方法包括:采集电力负荷数据;将所述电力负荷数据进行Canopy聚类,生成若干canopy类和canopy中心;将所述canopy中心作为K值,利用K‑Means聚类算法,生成电力负荷聚类结果。本发明提出运用Canopy聚类和K‑means聚类相结合的方法进行客户聚类,极大地提高了聚类的速度和准确度,避免了k值选择的随机性和盲目性;并且,通过对不同属性和行为特征的用电客户聚类分群,分析同群体内客户用电负荷趋势,可以使电力公司有针对性的对批量客户提供主动服务,实现
联合训练用户聚类模型的、用户聚类方法及装置.pdf
本说明书实施例提供一种基于隐私保护的联合训练用户聚类模型、用户聚类方法及装置,用户聚类模型包括各客户端的图神经网络和服务端的聚类子模型,方法通过第一客户端执行,包括:利用其第一图神经网络处理其以用户为节点的第一图结构,得到多个样本用户的第一嵌入向量,样本用户是各客户端的图结构共有的用户;加密各第一嵌入向量,得到各样本用户的第一密文向量;将其发送至服务端,以使服务端基于各客户端发送的密文向量确定各样本用户的用户表征,利用聚类子模型,基于各用户表征确定不同样本用户之间的相似度;从服务端获取基于与相似度正相关的
一种用户聚类方法和装置.pdf
本申请提供了一种用户聚类方法和装置,该方法包括:确定待聚类的多个用户;分别获取每个该用户在动漫业务平台中的至少一个第一类兴趣标签,该第一类兴趣标签表征该用户在该动漫业务平台中访问过的动漫类型;分别获取每个该用户在指定的泛娱乐业务平台中的至少一个第二类兴趣标签,该第二类兴趣标签表征该用户在该泛娱乐业务平台中访问过的泛娱乐类型,该泛娱乐业务平台不同于该动漫业务平台;根据该用户具有的该至少一个第一类兴趣标签以及该至少一个第二类兴趣标签,对该多个用户进行聚类,得到聚类出的多个分类,每个该分类中包括至少一个该用户。
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