典型文献
采用改进高斯混合模型的电力客户大数据行为分析
文献摘要：
随着电网系统的不断完善及用户数的不断增加,智能电网系统中存储的客户信息逐渐形成客户大数据,从这些数据中可以分析得到用户用电行为等一些潜在信息,因此如何从中挖掘出这些隐藏信息并利用此类信息来提升公司的效率成为本文研究重点.提出一种联合基于密度的带噪空间聚类(density-based spatial clustering of application with noise,DBSCAN)算法与期望最大化(expectation maximization,EM)算法的高斯混合聚类算法,通过DBSCAN算法确定合适的k个聚类中心及迭代初始数据,再通过EM算法迭代出聚类结果.案例分析表明:和其他几种典型聚类算法相比,所提算法在分析大数据和挖掘电力客户用电行为信息方面更加快速和准确,可以更有效地对电力公司客户行为数据进行聚类分析.
文献关键词：
电力系统;大数据;客户行为分析;高斯混和聚类
中图分类号：
作者姓名：
吉涛;刘玮洁;段立;郑伟;廖勇
作者机构：
国网重庆市电力公司信息通信分公司,重庆 401120;国网重庆市电力公司铜梁供电公司,重庆 402560;重庆大学微电子与通信工程学院,重庆 400044
文献出处：
引用格式：
[1]吉涛;刘玮洁;段立;郑伟;廖勇-.采用改进高斯混合模型的电力客户大数据行为分析)[J].重庆理工大学学报,2022(05):233-240
A类：
高斯混和聚类
B类：
高斯混合模型,数据行为,用户数,智能电网系统,客户信息,户用,用电行为,挖掘出,隐藏信息,基于密度,空间聚类,density,spatial,clustering,application,noise,DBSCAN,期望最大化,expectation,maximization,EM,高斯混合聚类算法,聚类中心,代出,电力公司,行为数据,电力系统,客户行为分析
AB值：
0.397695
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
