原文服务方: 机电信息       
摘要:
针对工业以太网通信系统的快速收敛和故障自愈问题,引入一种基于聚类算法的工业以太网运行态势感知技术,以加强工业以太网通信系统工程应用的鲁棒性和免维护性。在现有网络态势感知技术研究基础上,以风电场环网为例,提出了风电场环网配置行为感知方法和网络运行态势感知方法。使用基于改进的K-Means聚类算法和SNMP简单网络管理协议的风电场环网运行态势感知技术,对风电场环网的运行状态进行实时采集、感知和管理,从而使得风电场环网具备自学习技术,并在减少人为干预的情况下可以故障自愈。该方法解决了网络异常检测系统收集的数据中包含不相关特征属性导致检测算法准确率降低、实时性不高等问题,风电场应用结果表明其具有较好的实用价值。
推荐文章
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
K-means聚类算法初始中心选择研究
K-means聚类算法
K个聚类中心
密度参数
K-means算法改进
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K-Means聚类的工业以太网态势感知技术研究
来源期刊 机电信息 学科 工学
关键词 K-Means聚类算法 工业以太网 风电场 态势感知
年,卷(期) 2024,(6) 所属期刊栏目
研究方向 页码范围 89-94
页数 6页 分类号
字数 语种 中文
DOI 10.19514/j.cnki.cn32-1628/tm.2024.06.022
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2024(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
K-Means聚类算法
工业以太网
风电场
态势感知
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
机电信息
半月刊
1671-0797
32-1628/TM
大16开
南京市鼓楼区清江南路18号鼓楼创新广场D栋1119室
2001-07-01
汉语
出版文献量(篇)
223
总下载数(次)
0
总被引数(次)
0
论文1v1指导