期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
电力变压器油中溶解气体特性影响因素的量化分析 被引量：20
1
作者 张鹏 齐波 +2 位作者 李成榕 黄猛 杨霄 《中国电机工程学报》 EI CSCD 北大核心 2021年第10期3620-3631,共12页
基于大数据、数据挖掘等技术对变压器进行个性化、差异化评价,是提升设备智慧运维水平的重要手段。在对变压器进行差异化评价时,影响油中溶解气体特性的因素依赖研究人员主观认识选择,缺乏客观性,导致无法充分表达设备的个性化、差异化... 基于大数据、数据挖掘等技术对变压器进行个性化、差异化评价,是提升设备智慧运维水平的重要手段。在对变压器进行差异化评价时,影响油中溶解气体特性的因素依赖研究人员主观认识选择,缺乏客观性,导致无法充分表达设备的个性化、差异化特征,进而影响评价准确率。因此,该文提出电力变压器油中溶解气体特性影响因素的量化分析方法。考虑溶解气体数据维数多、体量大的特点,提出基于CLARAS-Mahalanobis的快速聚类方法,用于挖掘每个影响因素分类下的聚类中心;考虑异常和噪声数据导致的小样本数据质心偏移问题,基于聚类中心遴选中心点数据集,将中心点数据集之间的平均Hausdorff距离作为表征变压器之间差异性的量化指标,从而实现量化分析。实际的案例验证结果表明:所提出的量化分析方法可以挖掘溶解气体特性的影响因素,以最大程度体现变压器之间的差异性,实现准确地差异化预警。利用该定量分析方法得到的最优影响因素对变压器进行预警的准确率可到98.4%。 展开更多
关键词 变压器 影响因素 claras聚类 MAHALANOBIS距离 HAUSDORFF距离 差异化分析
下载PDF
基于CLARA算法的考虑时序特性分布式电源规划 被引量：24
2
作者 白晓清 赵瞻 鲍海波 《电力自动化设备》 EI CSCD 北大核心 2016年第5期14-22,29,共10页
针对配电网分布式电源(DG)的优化选址定容问题,以配电网年损耗电量最小为目标,考虑不同类型DG出力的随机性和时序特性,建立多场景多时段混合整数非线性随机优化模型。利用蒙特卡洛方法生成描述DG出力的序列场景,通过考虑各场景需要满足... 针对配电网分布式电源(DG)的优化选址定容问题,以配电网年损耗电量最小为目标,考虑不同类型DG出力的随机性和时序特性,建立多场景多时段混合整数非线性随机优化模型。利用蒙特卡洛方法生成描述DG出力的序列场景,通过考虑各场景需要满足的约束条件近似对随机过程进行约束,将原随机优化问题转化为确定性优化问题。利用CLARA算法对各场景各时段模拟得到的样本进行聚类,以避免全场景下样本规模大、模型求解难等问题。IEEE 14和IEEE 33节点标准系统的测试表明,所提模型和算法能有效利用不同类型DG的时序互补作用,提高配电网对DG出力的消纳能力。与不采用聚类方法全场景代入及采用PAM聚类方法相比,所提算法在保证优化结果近似误差低于3%的同时,能显著降低模型的求解难度和节省计算时间。 展开更多
关键词 分布式电源 选址定容 配电网规划 随机性 时序特性 clara算法 聚类算法
下载PDF
基于数据场的CLARA聚类算法改进 被引量：2
3
作者 郑涛 张帆 《现代计算机》 2006年第6期19-21,36,共4页
CLARA是k-中心值聚类的一种算法,在处理大型数据集的聚类问题时,比PAM(围绕中心点的划分)更具有良好的伸缩性,但CLARA算法随机抽样中存在采样不准确的缺点。本文针对这一不足,使用了数据场的概念对CLARA聚类算法进行了有益的改进,提高... CLARA是k-中心值聚类的一种算法,在处理大型数据集的聚类问题时,比PAM(围绕中心点的划分)更具有良好的伸缩性,但CLARA算法随机抽样中存在采样不准确的缺点。本文针对这一不足,使用了数据场的概念对CLARA聚类算法进行了有益的改进,提高了采样的准确性,使其更适合于对大型多维数据集的处理,提高了挖掘结果的质量。 展开更多
关键词 clara 数据场 聚类
下载PDF
基于Clara算法的电力工程大数据分析与评估模型设计 被引量：2
4
作者 刘士李 万一荻 +2 位作者 赵迎迎 何辉 刘大平 《电子设计工程》 2021年第4期131-134,138,共5页
针对Clara算法在电力工程大数据分析领域的应用问题,文中介绍了Clara算法的基本思路与算法步骤,进一步提出了基于Clara算法的电力工程造价评估方法。其采用Clara算法通过反复随机抽样方法,利用部分数据样本还原整体数据样本的特征,实现... 针对Clara算法在电力工程大数据分析领域的应用问题,文中介绍了Clara算法的基本思路与算法步骤,进一步提出了基于Clara算法的电力工程造价评估方法。其采用Clara算法通过反复随机抽样方法,利用部分数据样本还原整体数据样本的特征,实现对大规模电力工程数据进行聚类分组,并将聚类结果作为多元回归分析(Multiple Regression Analysis,MRA)的输入数据,分析得到电力工程数据对其造价评估的影响模式。通过算例测算结果表明,相比于PAM聚类算法与K-means,所提Clara算法能够减小聚类分析的计算时间,同时提高电力工程造价评估的准确性。 展开更多
关键词 clara算法 聚类 电力工程 造价评估
下载PDF
CLARA算法聚类蛋白质序列的实现 被引量：1
5
作者 仝磊光 谢景新 高明亮 《微计算机信息》 2010年第13期231-233,共3页
随着基因工程产生大量新序列,导致蛋白质序列数据库的迅速增长,巨量蛋白质数据的功能组和族谱分析使蛋白质序列聚类分析成为结构和功能基因组学重要的研究目标,应用数据挖掘技术对生物数据进行聚类分析成为生物信息学研究的热点。聚类... 随着基因工程产生大量新序列,导致蛋白质序列数据库的迅速增长,巨量蛋白质数据的功能组和族谱分析使蛋白质序列聚类分析成为结构和功能基因组学重要的研究目标,应用数据挖掘技术对生物数据进行聚类分析成为生物信息学研究的热点。聚类分析算法中的CLARA划分算法已广泛应用于其它领域,但在大数据量蛋白质序列聚类分析中应用很少,文章应用CLARA算法对在基准数据库中选取的蛋白质序列进行聚类分析,并将结果与其它几种蛋白质聚类算法进行了比较。 展开更多
关键词 数据挖掘 聚类 clara算法 蛋白质序列
下载PDF
一种有效的用于范例提取的改进聚类算法 被引量：7
6
作者 耿焕同 章曙光 +2 位作者 钱权 蔡庆生 王煦法 《小型微型计算机系统》 CSCD 北大核心 2004年第3期388-390,共3页
针对传统范例提取算法随范例数增加而效率下降快的缺点 ,结合基于选择的 CL ARA聚类方法和 NCL聚类算法的优点 ,给出了一种有效的无监督聚类学习算法 .通过实验表明 ,该算法能在无监督下对范例进行准确归类 ,将它用于 CBR的范例提取中 。
关键词 CBR 范例提取 相似度 最近邻检索 无监督聚类学习算法 clara聚类方法 NCL聚类算法 范例推理
下载PDF
一种基于离群数据挖掘的数据抽查新方法 被引量：1
7
作者 耿焕同 于琨 +1 位作者 洪流 蔡庆生 《中国科学技术大学学报》 CAS CSCD 北大核心 2004年第2期213-218,共6页
针对传统数据抽查方法很难保证数据抽查有效性的缺点 ,结合离群数据挖掘 ,给出了一种基于离群数据挖掘的数据抽查新方法 .通过实验表明 ,该方法既能克服了随机数据抽查难以保证抽查有效性的缺陷又能克服重点数据抽查对抽查者经验的依赖 。
关键词 离群数据挖掘 数据抽查 NCL_clara聚类 数据库 机器学习
下载PDF
基于出租车GPS轨迹的城市区域时空交互特征分析 被引量：2
8
作者 杨文亮 冯慧芳 《计算机与现代化》 2021年第1期87-93,共7页
城市大数据为探索城市内部居民出行的行为特征提供数据支撑。本文将以兰州市出租车GPS轨迹数据为基础,结合数据挖掘和可视化技术,研究兰州市城市居民出行规律和城市空间交互特征。首先,分析4个城区居民出行特征和城区间空间交互特征;然... 城市大数据为探索城市内部居民出行的行为特征提供数据支撑。本文将以兰州市出租车GPS轨迹数据为基础,结合数据挖掘和可视化技术,研究兰州市城市居民出行规律和城市空间交互特征。首先,分析4个城区居民出行特征和城区间空间交互特征;然后,采用城市栅格方法,统计分析城市栅格空间之间的交通出行量,并采用CLARA聚类算法识别工作日和周末的城市交通热点区域;最后,建立有向加权复杂网络模型,分析城市交通热点区域之间的空间交互强度。研究结果表明,在工作日和周末兰州市居民出行行为时空特征和城市空间交互特征都存在明显差异,相比于周末,工作日出行更加紧凑密集且具有较强目的性,出行量的聚类结构总体呈现与兰州市河谷型地形相匹配的“哑铃”状分布形状,接近城市中心的相邻聚类区域之间空间交互强度较强。该研究结果可为城市交通管理和居民出行提供决策服务。 展开更多
关键词 居民出行 交互特征 交通热点 clara聚类算法 GPS轨迹
下载PDF
结合SOFM的改进CLARA聚类算法 被引量：1
9
作者 段明秀 《计算机工程与应用》 CSCD 北大核心 2010年第22期210-212,共3页
介绍了自组织特征映射(SOFM)算法及大规模应用聚类(CLARA)算法的基本思想,提出了一种首先利用SOFM算法对数据集进行粗聚类,确定簇的数目k和神经元的连接权向量,然后从数据集中找出与SOFM算法的神经元的连接权向量最相似的k个代表点作为C... 介绍了自组织特征映射(SOFM)算法及大规模应用聚类(CLARA)算法的基本思想,提出了一种首先利用SOFM算法对数据集进行粗聚类,确定簇的数目k和神经元的连接权向量,然后从数据集中找出与SOFM算法的神经元的连接权向量最相似的k个代表点作为CLARA算法的k个代表点的初始值的改进CLARA算法。实验结果表明,改进算法具有更高的聚类效率和更好的聚类质量。 展开更多
关键词 自组织特征映射 大规模应用聚类 聚类 替换代价
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部