基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究

• 作者: 史会磊 王毛毛 金之榆
• 来源期刊: 东北电力技术
• 学科: 工学
• 关键词: 负荷聚类 K-means算法 DBSCAN聚类算法 噪声点 聚类评价指标
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 试验与研究
• 页码范围: 10-14
• 页数: 5页
• 分类号: TM714
• 字数: 2927字
• 语种: 中文

摘要

对于当前大规模和高维度的用户数据,原始聚类算法有其局限性.提出一种改进的K-means算法与数据降噪处理相结合的方法.首先,DBSCAN(基于密度的空间聚类算法)用于数据去噪,克服了原始K-means聚类算法聚类结果容易受到数据集中噪声点的影响.然后利用轮廓系数和误差平方和确定最优的聚类数.最后,将K-means++聚类算法和确定的最优聚类数用于聚类处理用户负荷曲线.这使得聚类算法避免陷入局部最优,通过数据集测试,表明该方法获得的聚类效果优于原始的K-means算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金之榆	三峡大学电气与新能源学院	2	0	0.0	0.0
2	王毛毛		1	0	0.0	0.0
3	史会磊		1	0	0.0	0.0