电力数据及信息融合的 电力客户行为分析
Rural Electrification(2020)
摘要
首先对传统的K-means算法进行改进,在采用K-means算法进行聚类前,先通过AP聚类完成初始聚类中心的筛选,从而提高K-means算法的聚类效率;其次针对海量的电力数据问题,提出海量数据挖掘架构,并引入FH多模态融合技术实现用户多表情的采集;最后以某地区100户电力客户的用电行为数据进行聚类.结果表明,经过改进聚类的到8类聚类中心,并依据聚类将这8类分为不同特征的大用户.通过聚类划分,有效展示了电力客户的特征,为电力企业的差异化服务提供了有力参考.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要