指出皋军等人提出的基于模糊最大散度差判别准则(Fuzzy Maximum Scatter Difference Discriminant Criteri-on,FMSDC)的聚类算法(Fuzzy Maximum Scatter Difference Discriminant Criterion Based Clustering Algorithm,FMSDCA)中聚类...指出皋军等人提出的基于模糊最大散度差判别准则(Fuzzy Maximum Scatter Difference Discriminant Criteri-on,FMSDC)的聚类算法(Fuzzy Maximum Scatter Difference Discriminant Criterion Based Clustering Algorithm,FMSDCA)中聚类中心表达式的推导错误及相关结论的错误,在修改该错误的基础上提出新的基于FMSDC的模糊聚类算法:FMSDC-FCS(Fuzzy Compactness and Separation Clustering Algorithm Based on Fuzzy Maximum Scatter Difference Discriminant Criterion).FMS-DC-FCS利用FMSDC产生最佳投影矢量,利用模糊紧性分离性(Fuzzy Compactness and Separation,FCS)算法对降维数据聚类,通过交替运行原数据空间中的FMSDC和投影空间中的FCS来优化投影矢量和聚类结果,最终通过对降维数据的聚类实现对原始数据的聚类.实验结果表明,FMSDC-FCS总体性能优于原有的FCS算法、FMSDCA算法以及经典的模糊C-均值算法.展开更多
窃电用户窃电量的精确估算对挽回电力企业的经济损失和依法处置窃电用户具有重要的实际意义。为实现用户窃电量精确估算,通过对时间序列回归算法进行优化改进,提出了一种新的窃电量估算方法。该方法以用户当前用电量时间序列样本和历史...窃电用户窃电量的精确估算对挽回电力企业的经济损失和依法处置窃电用户具有重要的实际意义。为实现用户窃电量精确估算,通过对时间序列回归算法进行优化改进,提出了一种新的窃电量估算方法。该方法以用户当前用电量时间序列样本和历史同期时间序列样本为基础,通过引入最大均值差异(maximum mean difference,MMD)得到基于最大均值差异-最小二乘支持向量回归(MMD-least square support vector regression,MMD-LSSVR)的半监督学习回归算法,以提高回归的准确度和数据的利用度、降低时间复杂度;同时,通过引入交叉变异人工蜂群算法(artificial bee colony based on crossover mutation,CMABC)对算法关键参数进行最佳适应度约束,以提高估算结果精度和收敛速度。在此基础上,提出了基于MMD-CMABC-LSSVR的窃电量估算方法。算法验证结果表明,采用所提方法,其估算电量与实际用电量的相对误差仅为2%,精度远优于传统方法;实际应用案例表明,所提方法可有效恢复窃电时间区段内窃电用户负荷和计量曲线,并精确估算出窃电量。所提方法为反窃电稽查工作提供了一种新的有效手段,具有良好的应用前景。展开更多
文摘指出皋军等人提出的基于模糊最大散度差判别准则(Fuzzy Maximum Scatter Difference Discriminant Criteri-on,FMSDC)的聚类算法(Fuzzy Maximum Scatter Difference Discriminant Criterion Based Clustering Algorithm,FMSDCA)中聚类中心表达式的推导错误及相关结论的错误,在修改该错误的基础上提出新的基于FMSDC的模糊聚类算法:FMSDC-FCS(Fuzzy Compactness and Separation Clustering Algorithm Based on Fuzzy Maximum Scatter Difference Discriminant Criterion).FMS-DC-FCS利用FMSDC产生最佳投影矢量,利用模糊紧性分离性(Fuzzy Compactness and Separation,FCS)算法对降维数据聚类,通过交替运行原数据空间中的FMSDC和投影空间中的FCS来优化投影矢量和聚类结果,最终通过对降维数据的聚类实现对原始数据的聚类.实验结果表明,FMSDC-FCS总体性能优于原有的FCS算法、FMSDCA算法以及经典的模糊C-均值算法.
文摘窃电用户窃电量的精确估算对挽回电力企业的经济损失和依法处置窃电用户具有重要的实际意义。为实现用户窃电量精确估算,通过对时间序列回归算法进行优化改进,提出了一种新的窃电量估算方法。该方法以用户当前用电量时间序列样本和历史同期时间序列样本为基础,通过引入最大均值差异(maximum mean difference,MMD)得到基于最大均值差异-最小二乘支持向量回归(MMD-least square support vector regression,MMD-LSSVR)的半监督学习回归算法,以提高回归的准确度和数据的利用度、降低时间复杂度;同时,通过引入交叉变异人工蜂群算法(artificial bee colony based on crossover mutation,CMABC)对算法关键参数进行最佳适应度约束,以提高估算结果精度和收敛速度。在此基础上,提出了基于MMD-CMABC-LSSVR的窃电量估算方法。算法验证结果表明,采用所提方法,其估算电量与实际用电量的相对误差仅为2%,精度远优于传统方法;实际应用案例表明,所提方法可有效恢复窃电时间区段内窃电用户负荷和计量曲线,并精确估算出窃电量。所提方法为反窃电稽查工作提供了一种新的有效手段,具有良好的应用前景。
