一种基于核主成分分析的日负荷曲线降维聚类方法

    公开(公告)号:CN109871860A

    公开(公告)日:2019-06-11

    申请号:CN201811302328.3

    申请日:2018-11-02

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于核主成分分析的日负荷曲线降维聚类方法,首先利用核函数对预处理后的日负荷数据矩阵做非线性映射至高维空间,获得高维核矩阵;接着对该高维核矩阵进行修正并做特征值分解,获得对应特征值及单位化特征向量,并依据特征值下降趋势设定提取效率,获得主成分分量及降维指标数目;其次,以特征值作为权重,对其做总和为1的归一化处理后获得权重向量,将修正后的高斯核矩阵在主成分分量上的投影作为降维数据矩阵;最后以降维数据矩阵及权重向量作为加权算法的输入对日负荷曲线进行聚类,并基于Silhouette指标确定最佳聚类数及聚类结果。本方法在提高计算效率的同时提高了聚类质量。其聚类结果与实际相符,具有一定的工程价值。

    一种基于核主成分分析的日负荷曲线降维聚类方法

    公开(公告)号:CN109871860B

    公开(公告)日:2022-12-13

    申请号:CN201811302328.3

    申请日:2018-11-02

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于核主成分分析的日负荷曲线降维聚类方法,首先利用核函数对预处理后的日负荷数据矩阵做非线性映射至高维空间,获得高维核矩阵;接着对该高维核矩阵进行修正并做特征值分解,获得对应特征值及单位化特征向量,并依据特征值下降趋势设定提取效率,获得主成分分量及降维指标数目;其次,以特征值作为权重,对其做总和为1的归一化处理后获得权重向量,将修正后的高斯核矩阵在主成分分量上的投影作为降维数据矩阵;最后以降维数据矩阵及权重向量作为加权算法的输入对日负荷曲线进行聚类,并基于Silhouette指标确定最佳聚类数及聚类结果。本方法在提高计算效率的同时提高了聚类质量。其聚类结果与实际相符,具有一定的工程价值。

    一种基于DTW的改进K-means的日负荷曲线聚类方法

    公开(公告)号:CN111199016A

    公开(公告)日:2020-05-26

    申请号:CN201911021152.9

    申请日:2019-10-25

    Abstract: 本发明公开了一种基于DTW的改进K-means的日负荷曲线聚类方法,采用密度函数分别选取初始分布特性聚类中心曲线与动态特性聚类中心曲线,并初始化聚类数目及算法迭代次数。随后,分别采用欧氏距离与DTW综合衡量负荷曲线的分布特性及动态特性,并分别以所得动态特性数值与分布特性数值对各自特性聚类中心进行更新,此过程以每条日负荷曲线分布特性与动态特性相似度衡量值的加权值作为负荷曲线关于聚类中心曲线相似度衡量的手段。最后以聚类结果与聚类离散度的误差值作为算法是否得出聚类结果的判断依据,并基于DBI指标确定最佳聚类数及相应的聚类中心曲线。本方法可以有效改善K-means聚类计算效果与效率,且聚类结果与实际工程相符,具有一定的工程价值。

Patent Agency Ranking