简介:针对无线传感器节点能耗不均的问题,研究了一种多特征组合加权的K一means聚类算法.改进了传统K一means算法中聚类中心随机选择的问题,并针对各维度特征对聚类影响的不同,赋予不同特征不同的权值.采用新的算法,并为其构建对应的算法性能衡量指标,与已有算法相比,新算法效果较好,能够明显提高数据聚类效果.
简介:对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。
简介:
无线传感器节点多特征组合加权K-means聚类算法
基于K-means算法的RBF神经网络预测光伏电站短期出力
BOOK NEWS CHINA’S ENERGY DEVELOPMENY REPORT (1997)1997,260 PP.,10 FIGS.,147 TABS.,16K,(Contributions to Economics)ISBN 7-80118-479-3iF.458,