【摘 要】
：
本文设计了基于大数据挖掘处理的多维数据去重聚类算法分析模型.通过详细介绍多维聚类算法,基于大数据内部关联性分析,实现了去重聚类算法分析模型构建.最后通过算法优化与仿真研究,得出结论,多维数据去重聚类算法采样时复杂度偏低,数据分析结果准确率较高,可有效分析处理数据,避免冗余繁杂,保障数据分析效率与水平,评估判定结果较好,值得大力推广应用.
【机 构】
：
宝鸡职业技术学院,陕西 宝鸡 721013
论文部分内容阅读
本文设计了基于大数据挖掘处理的多维数据去重聚类算法分析模型.通过详细介绍多维聚类算法,基于大数据内部关联性分析,实现了去重聚类算法分析模型构建.最后通过算法优化与仿真研究,得出结论,多维数据去重聚类算法采样时复杂度偏低,数据分析结果准确率较高,可有效分析处理数据,避免冗余繁杂,保障数据分析效率与水平,评估判定结果较好,值得大力推广应用.
其他文献
本文面向自适应微隔离系统提出了自适应主机微隔离安全策略自动生成方法.研究表明,面向业务策略管理语言,基于分布式监控与统一的自适应策略计算引擎,系统可识别虚拟机业务角色,并自动计算生成科学可行的安全策略,以此为机制,系统可为云数据中心维护策略体系,并在很大程度上简化安全策略;在云数据中心通过平台布置安全体系的基础上,虚拟机迁移、复制、扩展时,自适应主机微隔离平台会自主重新计算策略,可自动调整策略,无需耗费过多时间与人力.
为充分缓解电量负荷压力,本文设计了基于数据挖掘的用户行为特征提取系统.按照电力信息提取框架的处置需求,连接用户行为管理模块与电力数据挖掘驱动单元,完成用户行为特征提取系统的硬件环境搭建.采用关联电力用户行为特征树,存储各类待挖掘的电力数据,完成系统的软件环境搭建,结合相关硬件设备结构,完成基于数据挖掘的用户行为特征提取系统设计.实验结果表明,与基于k-means的提取系统相比,应用新型特征提取系统后,电力用户的总负荷水平明显下降,电子转存频率也由47％提升至98％,用户端主体的电量负荷压力得到良好的平均与
文章简述了采用光学标定方法进行角度零值标定的局限,提出基于GNSS双天线基线测向原理的角度零值校准方法.以基线长度可变为约束条件,进行了精度验证分析,其角度标定精度完全满足雷达等无线电装备测角精度要求,具有较高的实用价值.
为解决现行配电网防护方案中由于主站与终端之间单项认证而造成的终端上行数据不可信问题,在充分参考国网调[2011]168号文件及现行配电网安全防护方案的基础上,提出一种基于双向加密认证技术的高可信的自动化配电网模型管理方案.相比现行配电网,所提出的方案将网络层和应用层一体化,秘钥管控统一化,对主站和终端之间的数据传输实行低延迟、高可信的双向加密认证机制.
针对低压台区线损情况,提出一种数据挖掘技术的台区线损计算方法,根据样本的电气参数,提出台区K-Means聚类算法,该算法将台区线损值进行集中分类,解决了数据分散的问题,之后通过LM算法将BP神经网络优化,拟合出电气参数与样本线损率的关系,得到线损的变化规律,并根据拟合算法编程实现.结果表明,LM算法优化后得到的神经网络模型计算结果精度高,能够准确计算出台区的线损率,且更具合理性.
电网中各类敏感负荷投入使用,电能质量要求与日俱增,影响用电设备正常运行的主要电能质量问题是因短路故障造成的电压暂降,为使电网故障得到及时处理,降低经济损失,提升供电可靠性,本文以物联网为技术背景,设计一种电网暂降故障节点智能定位系统.经仿真实验证明,当各种线路上均存在单相对地、相间、两相对地以及三相短路故障种类时,本文系统能够精准定位各种情况下的暂降故障节点,且定位距离偏差较小,具有较好的有效性与实践性.
传统彩色图像边缘特征提取仅利用中层次与低层次信息,边缘特征提取效果不佳,为此,提出一种可利用高层次信息的多特征彩色图像边缘特征提取方法.经验证,所提方法对彩色图像边缘特征提取效果最好,对彩色图像边缘检测的精度最高.
为了提高电力基建项目中电网自动化调控能力,提出基于有功无功协调调度的电力基建项目中电网自动化调控全过程控制模型,实现电力基建项目中电网自动化调控优化控制.仿真结果表明,采用该方法进行电力基建项目中电网自动化调控的稳定性较好,协同控制能力较强,提高了电网输出的均衡性和输出增益.
近年来,光伏产业发展迅速,越来越多的光伏接入配电网.而配电网线路阻抗较大,光伏自身调压能力较弱,当光伏出力较大时可能造成并网点电压越限.因此,为了提高光伏渗透率,维持电网安全稳定运行,本文提出了一种基于PQ协调控制的光伏逆变器调压方法.该调压方法可充分利用光伏逆变器的剩余容量进行无功调压,能够在保证并网点电压不越限的前提下最大化光伏的有功输出,提高了光伏的利用率.最后,通过仿真分析验证了调压方法的有效性.
当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.