一种K-means改进算法的并行化实现与应用 被引量：50

1

作者 李晓瑜 俞丽颖 +1 位作者 雷航 唐雪飞 《电子科技大学学报》 EI CAS CSCD 北大核心 2017年第1期61-68,共8页

随着数据的爆炸式增长,聚类研究作为大数据的核心问题之一,正面临计算复杂度高和计算能力不足等诸多问题。提出了一种基于Hadoop的分布式改进K-means算法,该算法通过引入Canopy算法初始化K-means算法的聚类中心,克服传统K-means算法因... 随着数据的爆炸式增长,聚类研究作为大数据的核心问题之一,正面临计算复杂度高和计算能力不足等诸多问题。提出了一种基于Hadoop的分布式改进K-means算法,该算法通过引入Canopy算法初始化K-means算法的聚类中心,克服传统K-means算法因初始中心点的不确定性,易陷入局部最优解的问题。本算法在Canopy(罩盖)中完成K-means聚类,并在Canopy间完成簇的合并,聚类效果稳定,迭代次数少。同时,结合MapReduce分布式计算模型,给出改进后算法的并行化设计方法和策略,进一步通过改进相似度度量方法,将该方法用于文本聚类中。实验结果证明该算法具有良好的准确率和扩展性。 展开更多

关键词 canopy算法 HADOOP MAPREDUCE 并行K—means 文本聚类

下载PDF 职称材料

面向海量数据的K-means聚类优化算法 被引量：13

2

作者 冀素琴 石洪波 《计算机工程与应用》 CSCD 2014年第14期143-147,共5页

针对集中式系统框架难以进行海量数据聚类分析的问题,提出基于MapReduce的K-means聚类优化算法。该算法运用MapReduce并行编程框架,引入Canopy聚类,优化K-means算法初始中心的选取,改进迭代过程中通信和计算模式。实验结果表明该算法能... 针对集中式系统框架难以进行海量数据聚类分析的问题,提出基于MapReduce的K-means聚类优化算法。该算法运用MapReduce并行编程框架,引入Canopy聚类,优化K-means算法初始中心的选取,改进迭代过程中通信和计算模式。实验结果表明该算法能够有效地改善聚类质量,具有较高的执行效率以及优良的扩展性,适合用于海量数据的聚类分析。 展开更多

关键词 海量数据 聚类 MAPREDUCE K-MEANS算法 canopy算法

下载PDF 职称材料

Canopy在划分聚类算法中对K选取的优化 被引量：13

3

作者 王海燕 崔文超 +1 位作者 许佩迪 李闯 《吉林大学学报（理学版）》 CAS 北大核心 2020年第3期634-638,共5页

针对划分聚类算法中聚类数K的取值工作量较大的问题,提出一种新的Canopy+算法.该算法可实现对聚类个数K的预判,在保证准确率的前提下提高聚类工作效率.

关键词 canopy算法 划分聚类 聚类数 阈值

下载PDF 职称材料

K-Means算法改进及基于Spark计算模型的实现 被引量：11

4

作者 徐鹏程 王诚 《南京邮电大学学报（自然科学版）》 北大核心 2017年第4期113-118,共6页

K-Means算法是一种基于划分的算法,具有实现简单、效率较高的特点,但存在对初始中心选取依赖性强、分类数K未必总是已知及算法频繁迭代资源开销大等缺点。为解决这些问题,通过引入Canopy算法和最小最大距离算法对原K-Means算法进行改进... K-Means算法是一种基于划分的算法,具有实现简单、效率较高的特点,但存在对初始中心选取依赖性强、分类数K未必总是已知及算法频繁迭代资源开销大等缺点。为解决这些问题,通过引入Canopy算法和最小最大距离算法对原K-Means算法进行改进,并在大数据的现实背景下,采用Spark并行计算框架来实现该算法。实验结果表明:改进后的聚类算法在分类稳定性、准确性和收敛速度上都有所提升,并在处理大规模数据方面表现出较大的性能优势。 展开更多

关键词 K-MEANS canopy算法 最小最大距离算法 SPARK

下载PDF 职称材料

基于云环境K-means聚类的并行算法 被引量：10

5

作者 高榕 李晶 +2 位作者 肖雅夫 祝孙静 彭卫平 《武汉大学学报（理学版）》 CAS CSCD 北大核心 2015年第4期368-374,共7页

K-means聚类算法只能保证算法收敛到局部最优,从而导致聚类结果对初始点的选择非常依赖,同时在面对海量数据时容易因运算次数增多而使聚类过程耗时增加.针对上述问题及结合海量数据的特性,本文提出了一种基于云环境的并行聚类算法,该算... K-means聚类算法只能保证算法收敛到局部最优,从而导致聚类结果对初始点的选择非常依赖,同时在面对海量数据时容易因运算次数增多而使聚类过程耗时增加.针对上述问题及结合海量数据的特性,本文提出了一种基于云环境的并行聚类算法,该算法利用Canopy聚类算法思想并结合二分查找思想对K-means算法进行优化,同时采用"极限点"原则使之避免了聚类过程中的局部最优,然后利用顺序组合式MapReduce编程模型实现了算法的并行化扩展.实验结果表明:在大数据集上,该算法比同样部署在Hadoop集群上运行的K-means算法,在加速比、准确率、扩展率、算法效率方面具有较大的优势. 展开更多

关键词 海量数据 聚类 K-MEANS算法 canopy算法 MAPREDUCE

原文传递

面向不平衡数据集融合Canopy和K-means的SMOTE改进算法 被引量：8

6

作者 郭朝有 许喆 +1 位作者 马砚堃 曹蒙蒙 《科学技术与工程》 北大核心 2020年第22期9069-9074,共6页

针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,... 针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集KEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-K-SMOTE算法可有效平衡不平衡数据集。 展开更多

关键词 canopy算法 K-MEANS算法 SMOTE算法 C-K-SMOTE算法 随机森林 不平衡数据集 分类问题

下载PDF 职称材料

基于Hadoop平台的K-means聚类算法优化研究 被引量：6

7

作者 卢胜宇 王静宇 +1 位作者 张晓琳 高俊峰 《内蒙古科技大学学报》 CAS 2016年第3期264-268,共5页

针对传统的串行K-means聚类算法在处理海量数据时出现性能及初始聚类中心敏感等问题,提出了一种基于Hadoop平台的并行CK-means聚类算法,该算法采用Canopy算法和余弦相似度度量来改善K-means算法在确定初始聚类中心的盲目性,采用并行计... 针对传统的串行K-means聚类算法在处理海量数据时出现性能及初始聚类中心敏感等问题,提出了一种基于Hadoop平台的并行CK-means聚类算法,该算法采用Canopy算法和余弦相似度度量来改善K-means算法在确定初始聚类中心的盲目性,采用并行计算框架对算法并行扩展,使之能够适应海量数据处理.实验表明,基于Hadoop平台的CK-means并行算法具有更好的聚类质量,在处理海量数据时具有良好的加速比和可扩展性. 展开更多

关键词 HADOOP canopy算法 聚类算法

下载PDF 职称材料

互联网软件错误日志聚类 被引量：6

8

作者 程世文 裴丹 王长进 《小型微型计算机系统》 CSCD 北大核心 2018年第5期865-870,共6页

互联网内容提供商在实际运营过程中,所维护的各项业务随时可能会遇到各种各样的问题,将相应的大量错误日志经过聚类后及时反馈给相应的研发人员是排除问题的首要因素.为了有效解决海量非规范的错误日志的聚类问题,本文提出互联网软件错... 互联网内容提供商在实际运营过程中,所维护的各项业务随时可能会遇到各种各样的问题,将相应的大量错误日志经过聚类后及时反馈给相应的研发人员是排除问题的首要因素.为了有效解决海量非规范的错误日志的聚类问题,本文提出互联网软件错误日志聚类方法.该方法通过引入日志模板提取、日志压缩方法降低日志规模;通过引入计算文档频率提取特征词方法提高聚类准确性并降低数据维度;结合Canopy聚类和K-means聚类算法提升聚类效果.通过在某互联网公司运维中实际系统的检验,本文提出的方法不但具有比较理想的聚类效果,而且满足生产环境中的性能要求. 展开更多

关键词 聚类 错误日志 文档频率 canopy算法 K-MEANS算法

下载PDF 职称材料

基于迭代式MapReducede的海量数据并行聚类算法研究 被引量：6

9

作者 高见文 薛行贵 +2 位作者 罗杰 姜源 吴启武 《中国科技论文》 CAS 北大核心 2016年第14期1626-1631,共6页

为解决传统K-means算法在处理海量数据时存在的不足,提出了1种适用于并行Canopy-Kmeans算法的迭代式MapReduce模型。通过Canopy算法对数据进行初始聚类,得到初始聚类中心,并按照初始聚类将数据存储于Mapper节点,减少Mapper和Reducer节... 为解决传统K-means算法在处理海量数据时存在的不足,提出了1种适用于并行Canopy-Kmeans算法的迭代式MapReduce模型。通过Canopy算法对数据进行初始聚类,得到初始聚类中心,并按照初始聚类将数据存储于Mapper节点,减少Mapper和Reducer节点之间通信线路,减小运算量;在Mapper节点和Reducer节点之间建立互通信,将聚类中心作为迭代流通信息,减少信息流量;最终通过1次运算过程输出最终聚类结果。实验结果证明,改进的算法在时间、正确率和加速比性能方面,均优于传统的串行K-means算法,并在基于传统MapReduce模型的K-means算法基础上有所提高。 展开更多

关键词 数据挖掘 迭代式MapReduce canopy算法 K-MEANS算法 并行运算

下载PDF 职称材料

基于MapReduce的K-means聚类算法的优化 被引量：5

10

作者 孙玉强 李媛媛 陆勇 《计算机测量与控制》 2016年第7期272-275,279,共5页

针对传统的聚类算法K-means对初始中心点的选择非常依赖,容易产生局部最优而非全局最优的聚类结果,同时难以满足人们对海量数据进行处理的需求等缺陷,提出了一种基于MapReduce的改进K-means聚类算法。该算法结合系统抽样方法得到具有代... 针对传统的聚类算法K-means对初始中心点的选择非常依赖,容易产生局部最优而非全局最优的聚类结果,同时难以满足人们对海量数据进行处理的需求等缺陷,提出了一种基于MapReduce的改进K-means聚类算法。该算法结合系统抽样方法得到具有代表性的样本集来代替海量数据集;采用密度法和最大最小距离法得到优化的初始聚类中心点;再利用Canopy算法得到粗略的聚类以降低运算的规模;最后用顺序组合MapReduce编程模型的思想实现了算法的并行化扩展,使之能够充分利用集群的计算和存储能力,从而适应海量数据的应用场景;文中对该改进算法和传统聚类算法进行了比较,比较结果证明其性能优于后者;这表明该改进算法降低了对初始聚类中心的依赖,提高了聚类的准确性,减少了聚类的迭代次数,降低了聚类的时间,而且在处理海量数据时表现出较大的性能优势。 展开更多

关键词 K均值算法 抽样 canopy算法 最大最小距离法

下载PDF 职称材料

海量用电数据并行聚类分析 被引量：5

11

作者 刘晓悦 郭强 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2016年第1期76-80,共5页

针对用电数据量大、用电数据挖掘效率低等问题,采用理论分析和实验的方法,进行用电数据并行分析构架的研究,研究了Canopy和K-means两种典型的聚类算法,提出一种新的聚类思路,使用Canopy先对用电数据进行粗略处理,得到聚类个数和聚类中心... 针对用电数据量大、用电数据挖掘效率低等问题,采用理论分析和实验的方法,进行用电数据并行分析构架的研究,研究了Canopy和K-means两种典型的聚类算法,提出一种新的聚类思路,使用Canopy先对用电数据进行粗略处理,得到聚类个数和聚类中心,再用K-means精确聚类,既利用了K-means算法简单、收敛速度快的优势,又使其不容易陷入局部最优.为达到处理海量数据的目的,把提出的算法部署到MapReduce框架上进行实验.研究结果表明:提出的算法在海量用电数据的处理方面高效可行,并且具有良好的加速比. 展开更多

关键词 K-MEANS算法 canopy算法 云计算 MAPREDUCE框架 聚类

下载PDF 职称材料

融合Canopy的K-means算法在电力设备故障检测中的应用研究 被引量：1

12

作者 朱愈 张耘 《自动化与仪器仪表》 2024年第4期62-66,共5页

为提高故障检测方法的准确性和效率,研究将Canopy算法与K-均值算法进行融合,对基于簇的局部离群因子算法进行改良,构建改良电力设备故障检测算法。对改良电力设备故障检测算法进行实证分析,发现该算法的运算时间为118.3 s,故障检测正确... 为提高故障检测方法的准确性和效率,研究将Canopy算法与K-均值算法进行融合,对基于簇的局部离群因子算法进行改良,构建改良电力设备故障检测算法。对改良电力设备故障检测算法进行实证分析,发现该算法的运算时间为118.3 s,故障检测正确率为0.91,优于其他对比算法。综上,研究提出的改良电力设备故障检测算法可提高故障检测准确性与计算效率,可为电力设备故障检测领域的研究和实践提供参考,为智能电网的建设提供理论依据。 展开更多

关键词 canopy算法 K-MEANS算法 电力设备 故障检测 性能提升

原文传递

面向海量数据的改进最近邻优先吸收聚类算法 被引量：5

13

作者 宁可 孙同晶 徐洁洁 《计算机工程》 CAS CSCD 北大核心 2018年第4期35-40,共6页

针对最近邻优先吸收聚类算法难以应用在海量数据聚类处理上的不足,基于MapReduce提出改进算法。通过引入MapReduce并行框架,利用Canopy粗聚类优化计算过程,并对聚簇交叉部分的处理进行改进。采用3组大小不同的数据集进行实验,结果表明,... 针对最近邻优先吸收聚类算法难以应用在海量数据聚类处理上的不足,基于MapReduce提出改进算法。通过引入MapReduce并行框架,利用Canopy粗聚类优化计算过程,并对聚簇交叉部分的处理进行改进。采用3组大小不同的数据集进行实验,结果表明,与K-means算法和最近邻优先吸收聚类算法相比,改进算法在保证聚类质量的基础上具有较快的运行速度,并适用于海量数据的聚类分析。 展开更多

关键词 海量数据 聚类 MAPREDUCE框架 最近邻优先吸收聚类算法 canopy算法 并行化

下载PDF 职称材料

基于Canopy聚类的噪声自适应模糊C-均值算法 被引量：4

14

作者 陈凯 陈秀宏 孙慧强 《计算机应用研究》 CSCD 北大核心 2019年第7期2200-2204,2218,共6页

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法(NLWFLICM)。在WFLICM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适... 针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法(NLWFLICM)。在WFLICM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适应地设置局部和非局部信息权重,并重新标记中心点的模糊影响因子。实验结果表明,NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性,并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性,同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度,结合Canopy算法能够快速对数据进行粗聚类的优点,提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法(Canopy-NLWFLICM),可以在NLWFLICM算法聚类前对聚类中心进行预处理,从而提高收敛速度和图像分割精度。 展开更多

关键词 聚类算法 canopy算法 模糊C-均值算法 局部和非局部空间信息

下载PDF 职称材料

基于Spark的模糊C均值算法改进 被引量：5

15

作者 夏邢 薛涛 李婷 《西安工程大学学报》 CAS 2019年第1期100-105,共6页

模糊C均值(FCM,fuzzzy C-Means)算法是一种在大数据分析领域广泛使用的聚类算法,由于FCM的聚类结果和聚类速度很大程度上取决于初始聚类中心,因此给出一种Canopy-FCMBM改进算法。首先运用Canopy算法生成聚类中心和聚类数量,并以此结果作... 模糊C均值(FCM,fuzzzy C-Means)算法是一种在大数据分析领域广泛使用的聚类算法,由于FCM的聚类结果和聚类速度很大程度上取决于初始聚类中心,因此给出一种Canopy-FCMBM改进算法。首先运用Canopy算法生成聚类中心和聚类数量,并以此结果作为FCM算法的初始聚类中心,从而解决确定聚类数目困难和随机初始聚类中心容易产生局部最优解等问题。针对数据存在多维度且分布不均匀的问题,将FCM算法目标函数距离度量方式由欧几里德距离替换为马哈拉诺比斯距离。最后通过Spark编程模型实现Canopy-FCMBM算法的并行化处理,提高算法执行效率。结果表明,相比较传统的FCM算法,基于Spark的Canopy-FCMBM算法聚类准确率提升12.7%,聚类速度提升1.35倍,聚类效果更优。 展开更多

关键词 模糊C均值 canopy算法 马哈拉诺比斯距离 SPARK 并行化

下载PDF 职称材料

基于MapReduce的K_means并行算法及改进 被引量：4

16

作者 衣治安 王月 《计算机系统应用》 2015年第6期188-192,共5页

针对传统k_means聚类算法在处理海量数据时所面临的内存不足、运算速度慢等问题,提出了一种基于Map Reduce的K_means并行算法,同时为了改善k_means算法在初始值确定方面的盲目性,采用canopy算法进行改进.实验结果表明,基于Map Reduce的K... 针对传统k_means聚类算法在处理海量数据时所面临的内存不足、运算速度慢等问题,提出了一种基于Map Reduce的K_means并行算法,同时为了改善k_means算法在初始值确定方面的盲目性,采用canopy算法进行改进.实验结果表明,基于Map Reduce的K_means并行算法和改进后的算法均能产生良好的聚类效果,不仅提高了聚类质量,而且在处理大数据集方面,改进后的算法的还能够得到趋近于线性的加速比. 展开更多

关键词 MAP REDUCE K-MEANS算法 canopy算法 并行计算 聚类

下载PDF 职称材料

基于改进的Canopy-k-means的大跨屋盖表面风荷载分区方法

17

作者 李玉学 纪君 董阳 《河北科技大学学报》 CAS 北大核心 2024年第5期530-538,共9页

针对k-means聚类算法在大跨屋盖结构表面风荷载分区计算中,聚类数k值随机选取容易导致结果不稳定和计算效率低等问题,提出改进的Canopy-k-means聚类算法。首先,引入Canopy算法并对其初始阈值和聚类中心的选取方式进行改进,减少初始值选... 针对k-means聚类算法在大跨屋盖结构表面风荷载分区计算中,聚类数k值随机选取容易导致结果不稳定和计算效率低等问题,提出改进的Canopy-k-means聚类算法。首先,引入Canopy算法并对其初始阈值和聚类中心的选取方式进行改进,减少初始值选取的盲目性,以提高风荷载分区结果的可靠性;其次,通过改进Canopy算法对风荷载数据集进行预处理,快速准确地确定聚类数k值;第三,将改进Canopy算法与k-means结合使用,实现最优分类数k值的精准识别,使得改进的Canopy-k-means聚类算法进行大跨屋盖结构表面风荷载分区时能够快速准确地得到分区结果;最后,以一大跨柱面屋盖干煤棚结构为例,基于风洞试验所得结构表面风荷载数据测试结果,采用所提改进的Canopy-k-means聚类算法对其表面风荷载进行分区计算。结果表明,采用改进的Canopy-k-means聚类算法,将0°、50°和90°风向角时大跨屋盖表面风荷载划分为了3个不同的分区,其对应的SD值分别为2.36、3.51和2.52,较传统k-means聚类算法所得对应值明显降低,类内紧凑性和类间分散性明显提升。所提改进Canopy-k-means聚类算法能够快速准确地得到最优分区结果,对大跨屋盖表面风荷载分区具有工程参考价值。 展开更多

关键词 薄壳结构 风荷载测压 风荷载分区 K-MEANS聚类算法 canopy算法

下载PDF 职称材料

基于改进K_Medoids算法的高光谱图像聚类 被引量：3

18

作者 王立国 马赫男 +1 位作者 赵亮 石瑶 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2018年第9期1574-1581,共8页

为了解决在复杂的、数据量庞大的高光谱图像中汇集出参考价值较高的聚类组合问题,本文提出一种基于流形的K_Medoids改进算法并应用于高光谱图像的聚类实践中。该算法应用改进的Canopy算法进行初值选定,通过基于流形的测地距离所生成的... 为了解决在复杂的、数据量庞大的高光谱图像中汇集出参考价值较高的聚类组合问题,本文提出一种基于流形的K_Medoids改进算法并应用于高光谱图像的聚类实践中。该算法应用改进的Canopy算法进行初值选定,通过基于流形的测地距离所生成的像元距离矩阵来完成K_Medoids算法的聚类过程。该算法对传统聚类算法所具有的一些难以解决的弊端起到良好的抑制作用。利用AVIRIS图像对该算法进行验证,实验结果表明:与传统方法相比,该算法在类内距离、类间距离、Jaccard系数、Rand系数,以及聚类图像的直观对比五个评价标准下能够取得比传统方法更好的效果。 展开更多

关键词 高光谱 K_Medoids算法 canopy算法 等距映射算法 测地距离 聚类

下载PDF 职称材料

K-means算法的优化及应用 被引量：3

19

作者 方诗乔 胡佩玲 +1 位作者 黄莹莹 张昕 《现代信息科技》 2023年第6期111-115,共5页

针对K-means算法易受初始值和异常点影响,以及聚类数选取依靠人工经验和初始聚类中心选取随机等缺点,提出一种基于改进Canopy算法的K-means聚类算法。首先将初始数据集进行预处理和分类,然后选取特殊的阈值利用改进的Canopy算法得到聚... 针对K-means算法易受初始值和异常点影响,以及聚类数选取依靠人工经验和初始聚类中心选取随机等缺点,提出一种基于改进Canopy算法的K-means聚类算法。首先将初始数据集进行预处理和分类,然后选取特殊的阈值利用改进的Canopy算法得到聚类数和初始聚类中心,再运行K-means算法实现最终聚类。经检验得知,改进后的算法减少了对人工选择的依赖,并且聚类准确度有了明显的提高。最后将改进后的算法应用于顾客细分实例,取得了良好的分类效果,证明了优化算法的实用性。 展开更多

关键词 canopy算法 主成分分析法 局部密度 顾客细分

下载PDF 职称材料

基于改进Canopy-FCM的光伏电站动态特性聚类算法 被引量：4

20

作者 郭易鑫 韩霞 +2 位作者 倪光捷 贺鹏远 孙惠娟 《计算机应用与软件》 北大核心 2022年第4期287-293,331,共8页

为了准确分析并网光伏电站的动态特性,提出一种基于Canopy-模糊C-means(fuzzy C-means, FCM)聚类算法的等效建模方法。在传统聚类指标选取方面,通过详细的数学模型,推导并网逆变器控制系统的传递函数,并以闭环传递函数的零极点表达式为... 为了准确分析并网光伏电站的动态特性,提出一种基于Canopy-模糊C-means(fuzzy C-means, FCM)聚类算法的等效建模方法。在传统聚类指标选取方面,通过详细的数学模型,推导并网逆变器控制系统的传递函数,并以闭环传递函数的零极点表达式为基础,提出一种新的聚类指标。为改进FCM聚类对初始聚类中心和外部聚类中心的敏感性,采用Canopy算法确定初始聚类中心和聚类个数,提高聚类算法的准确性和效率。算例研究验证了所提方法的有效性。 展开更多

关键词 并网光伏电站 改进FCM 聚类 canopy算法

下载PDF 职称材料