基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究.针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的K-means改进算法.首先,定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积,通过最大权值积法依次确定聚类中心,提高了聚类的准确率;然后,基于MapReduce模型实现改进算法的并行化,提高了聚类的效率;最后,以小区400户家庭用电数据为基础,进行海量电力数据的挖掘分析实验.以家庭为单位,提取出用户的峰时耗电率、负荷率、谷电负荷系数以及平段用电量百分比,建立聚类的数据维度特征向量,完成相似用户类型的聚类,同时分析出各类用户的行为特征.基于Hadoop集群的实验结果证明提出的改进K-means算法运行稳定、可靠,具有很好的聚类效果.
推荐文章
基于云计算的并行K-means聚类算法研究
云计算技术
Hadoop
MapReduce
K-means算法
树干与地面点云分类K-means方法的改进
三维激光扫描
树木点云
K-means聚类方法
基于MapReduce框架下K-means的改进算法
MapReduce框架
K-means算法
数据挖掘
聚类分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于云计算和改进K-means算法的海量用电数据分析方法
来源期刊 计算机应用 学科 工学
关键词 用电数据 云计算 改进K-means算法 MapReduce模型 并行化
年,卷(期) 2018,(1) 所属期刊栏目 数据科学与技术
研究方向 页码范围 159-164
页数 6页 分类号 TP301|TP274.2
字数 8196字 语种 中文
DOI 10.11772/j.issn.1001-9081.2017071660
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何丰 重庆邮电大学光电工程学院 47 138 8.0 10.0
2 张承畅 重庆邮电大学光电工程学院 11 27 3.0 4.0
3 罗建昌 重庆邮电大学光电工程学院 2 2 1.0 1.0
4 张华誉 重庆邮电大学通信与信息工程学院 3 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (156)
共引文献  (1708)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(9)
  • 参考文献(0)
  • 二级参考文献(9)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(10)
  • 参考文献(1)
  • 二级参考文献(9)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(17)
  • 参考文献(1)
  • 二级参考文献(16)
2012(18)
  • 参考文献(0)
  • 二级参考文献(18)
2013(22)
  • 参考文献(2)
  • 二级参考文献(20)
2014(17)
  • 参考文献(0)
  • 二级参考文献(17)
2015(15)
  • 参考文献(4)
  • 二级参考文献(11)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
用电数据
云计算
改进K-means算法
MapReduce模型
并行化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导