电力系统粒子群优化模糊聚类算法及其应用

• 作者: 何晓峰 李海锋 王钢
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 模糊聚类 数据挖掘 粒子群优化 负荷样本
• 年，卷（期）: 2007,（22）
• 所属期刊栏目: 电力系统自动化
• 页码范围: 40-44
• 页数: 5页
• 分类号: TM715
• 字数: 4740字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2007.22.010

摘要

电力系统数据信息处理与应用领域广泛涉及数据挖掘与特征提取问题,为了提高其中聚类算法的有效性,提出了一种粒子群优化算法(PSO)与模糊C均值算法(FCM)有机结合的粒子群优化模糊聚类算法.该算法用PSO优化过程代替FCM中的基于梯度下降的迭代过程,充分利用PSO具有全局寻优、快速收敛的特点,使算法具有很强的全局搜索能力,有效地避免了FCM易陷入局部极小的缺陷;同时也降低了FCM对初始值的敏感度.还通过核方法,将低维特征空间的样本通过核函数映射到高维特征空间,增强了特征的优化,使特征在高维空间更易聚类.电力系统负荷样本聚类的应用仿真研究结果表明:与单纯FCM法相比,该算法聚类更准确,效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王钢	华南理工大学电力学院	144	3457	34.0	54.0
2	李海锋	华南理工大学电力学院	86	2064	24.0	44.0
3	何晓峰	华南理工大学电力学院	3	77	3.0	3.0