基于数据挖掘的电能表云端数据自适应聚类方法  

作　　者：文萍芳[1] 

机构地区：[1]池州职业技术学院实验实训中心,安徽池州247000

出　　处：《九江学院学报（自然科学版）》2023年第1期76-80,共5页Journal of Jiujiang University：Natural Science Edition

基　　金：池州职业技术学院自然科学重点项目(编号2020yjzrzd03)的研究成果之一。

摘　　要：为了提升电能表云端数据自适应聚类质量研究,设计了基于数据挖掘的电能表云端数据自适应聚类方法。通过改进过采样技术处理不平衡的电能表云端数据,引入数据挖掘的模糊C-均值聚类算法提升电能表云端数据聚类的鲁棒性,并且通过自适应蚁群算法优化中心自适应权模糊C-均值聚类算法的参数,利用改进C-均值聚类算法完成电能表云端数据自适应聚类。实验证明:该方法可有效处理不平衡的电能表云端数据,降低数据不平衡率;对于二维与三维电能表云端数据,该方法均可有效自适应聚类数据;在不同程度干扰信息情况下,该方法自适应聚类的归一化互信息指标与芮氏指标均较高。

关 键 词：数据挖掘 云端数据 自适应聚类 模糊C-均值 自适应蚁群 

分 类 号：TH86[机械工程—仪器科学与技术]