-
题名基于层次近邻传播聚类的用户低电压越限模式挖掘方法
- 1
-
-
作者
沈枢昊
钟庆
许中
王钢
李海锋
汪隆君
-
机构
华南理工大学电力学院
广州供电局有限公司
-
出处
《电力工程技术》
北大核心
2025年第1期30-38,共9页
-
基金
国家自然科学基金资助项目(52077082)
广东省自然科学基金资助项目(2021A1515012087)。
-
文摘
开展用户低电压越限模式挖掘工作可以为用户低电压问题的治理提供指导。针对目前台区低电压用户电压复杂多变、低电压越限模式未知的问题,文中提出基于层次近邻传播(hierarchical affinity propagation, HAP)聚类的用户低电压越限模式挖掘方法。首先,通过HAP聚类算法对大规模低电压用户电压数据集进行聚类分析,获得若干聚类簇。然后,将不同的聚类簇视作不同的低电压越限模式,并从越限时长和越限电压幅值两方面定义低电压越限模式的4项基本特征指标,通过计算各聚类簇的基本特征指标,反映其所对应低电压越限模式的特征。最后,将该方法运用到某地区低电压用户的电压数据集中,有效挖掘出该地区低电压用户的4种低电压越限模式,从而根据不同低电压越限模式的特征,有针对性地开展低电压用户的监管、分析工作,并制定用户低电压问题治理的优先级。
-
关键词
低电压用户
层次近邻传播(hap)聚类
低电压越限模式
越限时长
越限电压幅值
治理优先级
-
Keywords
low voltage users
hierarchical affinity propagation(hap)clustering
over-limit patterns of low voltage
over-limit duration
over-limit voltage amplitude
management priority
-
分类号
TM714
[电气工程—电力系统及自动化]
-
-
题名面向大规模数据的分层近邻传播聚类算法
被引量：14
- 2
-
-
作者
刘晓楠
尹美娟
李明涛
姚东
陈武平
-
机构
解放军信息工程大学
数学工程与先进计算国家重点实验室
信息保障技术重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2014年第3期185-188,192,共5页
-
基金
信息保障技术重点实验室开放基金(KJ-12-04)资助
-
文摘
近邻传播(Affinity Propagation,AP)聚类具有不需要设定聚类个数、快速准确的优点,但无法适应于大规模数据的应用需求。针对此问题,提出了分层近邻传播聚类算法。首先,将待聚类数据集划分为若干适合AP算法高效执行的子集,分别推举出各个子集的聚类中心;然后对所有子集聚类中心再次执行AP聚类,推举出整个数据集的全局聚类中心;最后根据与这些全局聚类中心的相似度对聚类样本进行划分,从而实现对大规模数据的高效聚类。在真实和模拟数据集上的实验结果均表明,与AP聚类和自适应AP聚类相比,该方法在保证较好聚类效果的同时,极大地降低了聚类的时间消耗。
-
关键词
数据聚类
近邻传播
分层推举
聚类中心
-
Keywords
Data clustering
affinity propagation
hierarchical selecting
clustering center
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名利用层次先验估计的显著性目标检测
被引量：21
- 3
-
-
作者
徐威
唐振民
-
机构
南京理工大学计算机科学与工程学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2015年第4期799-812,共14页
-
基金
国家自然科学基金(61473154)资助
-
文摘
有效的显著性目标检测在计算机视觉领域一直是具有挑战性的问题.本文首先对图像进行树滤波处理,采用Quick shift方法将其分解为超像素,再通过仿射传播聚类把超像素聚集为代表性的类.与以往方法不同,本文提出根据各类中拥有的超像素的类内和类间的空间离散程度及其位于图像边界的数目,自适应地估计先验背景,并提取条状背景区域;由目标性度量(Objectness measure)粗略地描述前景范围后,通过与各类之间的空间交互信息,估计先验前景;再经过连通区域优化前景与背景信息.最后,综合考虑各超像素与先验背景和前景在CIELab颜色空间的距离,并进行显著性中心加权,得到显著图.在MSRA-1000和复杂的SOD数据库上的实验结果表明,本文算法能准确、完整地检测出显著性目标,优于21种State-of-the-art算法,包括基于部分类似原理的方法.
-
关键词
显著性目标检测
层次估计
先验背景和前景
显著性中心加权
仿射传播聚类
-
Keywords
Salient ob ject detection
hierarchical estimation
background and foreground prior
salient center weighting
affinity propagation clustering
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名密度敏感的层次化聚类算法研究
被引量：3
- 4
-
-
作者
卢鹏丽
王祖东
-
机构
兰州理工大学计算机与通信学院
-
出处
《计算机工程与应用》
CSCD
2014年第4期190-195,共6页
-
基金
甘肃省自然科学基金(No.1212RJZA029)
-
文摘
以密度敏感距离作为相似性测度,结合近邻传播聚类算法和谱聚类算法,提出了一种密度敏感的层次化聚类算法。算法以密度敏感距离为相似度,多次应用近邻传播算法在数据集中选取一些"可能的类代表点";用谱聚类算法将"可能的类代表点"再聚类得到"最终的类代表点";每个数据点根据其类代表点的类标签信息找到自己的类标签。实验结果表明,该算法在处理时间、内存占用率和聚类错误率上都优于传统的近邻传播算法和谱聚类算法。
-
关键词
近邻传播
谱聚类
密度敏感距离
层次化
-
Keywords
affinity propagation
spectral clustering
density-sensitive distance
hierarchical
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基因表达数据的分层近邻传播聚类算法
被引量：5
- 5
-
-
作者
吴娱
钟诚
尹梦晓
-
机构
广西大学计算机与电子信息学院
-
出处
《计算机工程与设计》
北大核心
2016年第11期2961-2966,共6页
-
基金
国家自然科学基金项目(61462005)
广西自然科学基金项目(2014XNSFAA118396
2014XNSFAA118361)
-
文摘
为提高分层近邻传播聚类算法处理大规模基因表达数据的精确度,通过使用Pearson系数度量基因表达数据之间的相似性,构建相似性矩阵,在分层近邻传播聚类的自适应阶段加入全局数据信息,提出一种高效的分层近邻传播聚类算法。实验结果表明,与同类算法相比,该算法可以快速完成大规模基因表达数据的聚类,获得较高Silhouette(Sil)及Calinski-Harabasz(CH)指标值的聚类结果。
-
关键词
基因表达数据
聚类
分层近邻传播
自适应
全局数据
-
Keywords
gene expression data
clustering
hierarchical affinity propagation
adaptation
global data
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名增量采样聚类驱动的新闻事件发现
被引量：1
- 6
-
-
作者
陈晓琪
谢振平
刘渊
-
机构
江南大学人工智能与计算机学院
江南大学江苏省媒体设计与软件技术重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2020年第6期1175-1184,共10页
-
基金
国家自然科学基金项目(61872166)
江苏省“六大人才高峰”项目(2019XYDXX-161).
-
文摘
为获得更好的事件发现和代表性新闻抽取性能,引入数据集代表点采样聚类的视角,研究实现了一种事件发现及表示的集成分析方法。对于给定的新闻流数据,首先引入信息支撑度定义新闻间关系权重和事件关系权重,并通过引入双层近邻传播算法的迭代构建整体时间流上的单向事件内容支撑度网络,实现代表性新闻的分层增量采样,进一步考虑以最大相似度划分策略实现代表性新闻上的整体新闻流数据聚类。实验结果表明,相比于现有相关方法,新方法在大规模新闻流数据上具有显著的计算效率,可提取出新闻流中极有代表性的新闻,以及获得更好的新闻文档聚类质量,其热点事件发现结果与权威机构评选的重大新闻有极高吻合度。
-
关键词
新闻流数据
事件发现
代表性新闻
增量采样
信息支撑度
近邻传播
事件网络
分层聚类
-
Keywords
news flow data
event detection
representative news
incremental sampling
information supporting degree
affinity propagation
event network
hierarchical clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
