期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构
被引量：
61
1
作者
王淳
高元海
《中国电机工程学报》
EI
CSCD
北大核心
2014年第10期1682-1691,共10页
针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻...
针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。
展开更多
关键词
配电网
动态重构
模糊
聚
类
最优聚类数
改进
的化学反应算法
在线阅读
下载PDF
职称材料
基于结构自适应神经网络用电量时间特征的聚类分析
被引量：
2
2
作者
袁忠军
陈刚
《重庆大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2007年第8期44-48,共5页
鉴于聚类分析在数据挖掘中具有重要的作用,针对聚类分析中聚类数确定难的问题,深入研究了聚类准则的选择和曲线特性,提出了一种基于SOFM神经网络的结构自适应聚类神经网络,其特点是能够自动确定最佳的聚类数。基于实际营销数据,采用结...
鉴于聚类分析在数据挖掘中具有重要的作用,针对聚类分析中聚类数确定难的问题,深入研究了聚类准则的选择和曲线特性,提出了一种基于SOFM神经网络的结构自适应聚类神经网络,其特点是能够自动确定最佳的聚类数。基于实际营销数据,采用结构自适应聚类神经网络技术实现了用户用电量时间特征分析,所得结论对于电价的针对性的调整以及合理地安排电力生产具有重要的参考价值。
展开更多
关键词
聚
类
分析
最优聚类数
人工神经网络
用电量时间特征
在线阅读
下载PDF
职称材料
Gap statistic与K-means算法
被引量：
7
3
作者
肖宇
于剑
《计算机研究与发展》
EI
CSCD
北大核心
2007年第z2期176-180,共5页
对于许多聚类算法来说,聚类有效性是一个至关重要的问题.文献中已经提出很多针对此问题的方法,Gap statistic方法就是其中之一.一般认为,Gap statistic可用于解决K-means算法的聚类有效性问题.但是,缺少实际的理论分析和相近的实验数据...
对于许多聚类算法来说,聚类有效性是一个至关重要的问题.文献中已经提出很多针对此问题的方法,Gap statistic方法就是其中之一.一般认为,Gap statistic可用于解决K-means算法的聚类有效性问题.但是,缺少实际的理论分析和相近的实验数据支持.对Gap statistic方法在k-means算法中是否可行进行了验证和分析.通过用Gap statistic对k-means算法聚类效果明显的数据集进行实验,将实验结果和文献中的结论做比较,说明了Gap statistic方法并没有达到预期的结果.将Xie-Beni指标和Gap statistic方法做比较,结果显示在K-means算法聚类有效时,Xie-Beni指标要优于Gap statistic方法.
展开更多
关键词
GAP
statistic
聚
类
有效性
K-MEANS
最优聚类数
在线阅读
下载PDF
职称材料
题名
采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构
被引量：
61
1
作者
王淳
高元海
机构
南昌大学电气与自动化系
出处
《中国电机工程学报》
EI
CSCD
北大核心
2014年第10期1682-1691,共10页
基金
国家自然科学基金资助项目(51167012)~~
文摘
针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。
关键词
配电网
动态重构
模糊
聚
类
最优聚类数
改进
的化学反应算法
Keywords
power distribution network
dynamicreconfiguration
fuzzy clustering
optimal number of clusters
improved chemical reaction optimization
分类号
TM71 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于结构自适应神经网络用电量时间特征的聚类分析
被引量：
2
2
作者
袁忠军
陈刚
机构
广西水利电力职业技术学院电力工程系
重庆大学电气工程学院高电压与电工新技术教育部重点实验室
出处
《重庆大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2007年第8期44-48,共5页
基金
重庆市科委自然科学基金资助项目(CSTC
2006BB6209)
文摘
鉴于聚类分析在数据挖掘中具有重要的作用,针对聚类分析中聚类数确定难的问题,深入研究了聚类准则的选择和曲线特性,提出了一种基于SOFM神经网络的结构自适应聚类神经网络,其特点是能够自动确定最佳的聚类数。基于实际营销数据,采用结构自适应聚类神经网络技术实现了用户用电量时间特征分析,所得结论对于电价的针对性的调整以及合理地安排电力生产具有重要的参考价值。
关键词
聚
类
分析
最优聚类数
人工神经网络
用电量时间特征
Keywords
clustering analysis
optimum clustering number
artificial neural networks （ANN）
time feature of user power consumption
分类号
TM715 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
Gap statistic与K-means算法
被引量：
7
3
作者
肖宇
于剑
机构
北京交通大学计算机与信息技术学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第z2期176-180,共5页
基金
霍英东青年教师基金项目(101068)
教育部博士点基金项目(20050004008)
文摘
对于许多聚类算法来说,聚类有效性是一个至关重要的问题.文献中已经提出很多针对此问题的方法,Gap statistic方法就是其中之一.一般认为,Gap statistic可用于解决K-means算法的聚类有效性问题.但是,缺少实际的理论分析和相近的实验数据支持.对Gap statistic方法在k-means算法中是否可行进行了验证和分析.通过用Gap statistic对k-means算法聚类效果明显的数据集进行实验,将实验结果和文献中的结论做比较,说明了Gap statistic方法并没有达到预期的结果.将Xie-Beni指标和Gap statistic方法做比较,结果显示在K-means算法聚类有效时,Xie-Beni指标要优于Gap statistic方法.
关键词
GAP
statistic
聚
类
有效性
K-MEANS
最优聚类数
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构
王淳
高元海
《中国电机工程学报》
EI
CSCD
北大核心
2014
61
在线阅读
下载PDF
职称材料
2
基于结构自适应神经网络用电量时间特征的聚类分析
袁忠军
陈刚
《重庆大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2007
2
在线阅读
下载PDF
职称材料
3
Gap statistic与K-means算法
肖宇
于剑
《计算机研究与发展》
EI
CSCD
北大核心
2007
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
