检索结果-南通市图书馆

基于FCM聚类的电力用户分类及需求侧管理平台的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于FCM聚类的电力用户分类及需求侧管理平台的设计与实现

作者：高晓琴南昌大学

学位级别：硕士

近年来,我国各地区用电负荷总量持续攀升,电力市场的供需不平衡问题持续升级。再者,当前的电力需求侧管理工作落实不到位,资源配置不合理。在电力资源有限的情况下,实施有序用电是缓解高峰时期电力供需矛盾最直接有效的负荷管理措施。... 详细信息

近年来,我国各地区用电负荷总量持续攀升,电力市场的供需不平衡问题持续升级。再者,当前的电力需求侧管理工作落实不到位,资源配置不合理。在电力资源有限的情况下,实施有序用电是缓解高峰时期电力供需矛盾最直接有效的负荷管理措施。为了提高电力资源的使用率,对电力用户侧负荷数据的价值挖掘是对用户用电行为分析的基础,根据不同类型用户实施差异化的需求侧管理工作也是当前电网研究的热点课题之一。本文的主要工作内容有:（1）负荷数据的采集与处理。本文样本数据取自江西省地区EMS系统,使用Kettle工具将数据进行提取。首先将负荷数据进行清洗,然后提取典型用户的用电负荷特性,为了提高负荷聚类的有效性和准确性,将负荷功率数据进行归一化处理,并使用中值滤波法将曲线进行平滑处理。经过处理后的数据,能够更加直观地反映负荷曲线的曲线形状和变动情况。（2）基于FCM聚类算法的电力用户分类。为了提取用户用电负荷模式类别,本文将FCM聚类算法运用于电力用户分类。首先基于处理后的数据进行聚类,根据DBI指标确定聚类数目为5,然后通过不断确定簇中心点和隶属度将样本数据分为五种负荷曲线模式,最后根据聚类结果分析不同用户参与有序用电的潜力。经实践验证,依照本文提出的电力用户精细划分负荷模式,为用户提供差异化供电需求,提高了企业参与有序用电的达标合格率。（3）在调度安全区内设计和实现了基于有序用电的电力需求侧管理平台。该平台以负荷数据采集、实时监控负荷、有序用电和可中断分析管理、负荷数据分析与统计为主线,探讨了该平台的相关技术、总体架构设计、接口和安全设计、负荷管理流程、主要功能实现等内容。该平台通过建立电网侧与用户侧用电方案双向交互机制,结合大数据开发和web开发技术,进行实时、准确的动态采集数据和分配电力资源;以总量调控、结构优化为标准,实现管理、监测、分配一体化的电力需求侧管理。

关键词：需求侧管理有序用电 FCM聚类算法用户分类负荷曲线

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

应用随机游走的社交网络用户分类方法

计算机科学 2015年第2期42卷 198-203页

作者：贺超波杨镇雄洪少文汤庸陈国华郑凯仲恺农业工程学院信息科学与技术学院广州510225 华南师范大学计算机学院广州510631

针对现有在线社交网络用户分类方法不能有效利用用户属性和关系网络信息提高分类性能的问题,设计了一种基于随机游走模型的多标签分类方法MLCMRW。该方法的分类过程包括学习用户初始化类别标签以及通过迭代推理获得用户稳定标签分布两... 详细信息

针对现有在线社交网络用户分类方法不能有效利用用户属性和关系网络信息提高分类性能的问题,设计了一种基于随机游走模型的多标签分类方法MLCMRW。该方法的分类过程包括学习用户初始化类别标签以及通过迭代推理获得用户稳定标签分布两个阶段,并且其可以同时考虑用户属性以及关系网络特征信息进行分类。多个在线社交网络数据集上进行的实验表明,MLCMRW比其它已有的代表性方法有更好的分类性能,并且更适合对现实中的在线社交网络进行用户分类。

关键词：在线社交网络用户分类随机游走

在线全文

学校读者我要写书评

暂无评论

面向大规模信息的用户分类方法研究

微电子学与计算机 2013年第6期30卷 38-42页

作者：刘忠宝赵文娟 1中北大学电子与计算机科学技术学院山西太原030051 山西大学商务学院信息学院山西太原030031

信息主动推送是个性化搜索引擎的发展方向.如何通过访问记录获取用户兴趣以及如何将兴趣相同或相近的用户归为一类,是个性化信息主动推送技术面临的主要问题.支持向量机是一种广泛使用的分类方法,但在互联网环境下,其面临大规模数据分... 详细信息

信息主动推送是个性化搜索引擎的发展方向.如何通过访问记录获取用户兴趣以及如何将兴趣相同或相近的用户归为一类,是个性化信息主动推送技术面临的主要问题.支持向量机是一种广泛使用的分类方法,但在互联网环境下,其面临大规模数据分类和隐私泄露问题.为了进一步提高分类效率,提出面向大规模信息的用户分类方法.该方法不仅解决了大规模用户分类问题,还保证分类过程中用户信息安全.

关键词：用户分类支持向量机隐私保护大规模信息

在线全文

学校读者我要写书评

暂无评论

云系统中多层次用户分类方法研究与实现

信息网络安全 2017年第8期 69-75页

作者：蒋卓键伍淳华夏铭北京邮电大学计算机学院北京100876 中南林业科技大学计算机与信息工程学院湖南长沙410004

从大规模的网络流量中分析挖掘出用户信息、总结用户行为,已经是互联网时代的一项关键技术。文章针对现有的研究成果做了充分调研,总结了前人在用户分类和网络流量分析方法上的优点与不足,并分析了云系统下可能的安全隐患,提出了一种云... 详细信息

从大规模的网络流量中分析挖掘出用户信息、总结用户行为,已经是互联网时代的一项关键技术。文章针对现有的研究成果做了充分调研,总结了前人在用户分类和网络流量分析方法上的优点与不足,并分析了云系统下可能的安全隐患,提出了一种云系统下多层次用户分类方法。该方法从IP、会话等多个层面对用户行为进行了分析,有针对性的提出了相应的分类标签,并提取了有效的分类特征,采用统计学结合机器学习的方法,对用户进行分类。该方法能够提取网络流量中有价值的信息,利用信息对用户识别分类,较为全面地概括了流量中的用户行为。

关键词：用户识别流量分析用户分类数据挖掘云计算

在线全文

学校读者我要写书评

暂无评论

基于用户分类的隐含因子模型研究

计算机应用研究 2018年第8期35卷 2289-2292页

作者：黎新志高茂庭上海海事大学信息工程学院上海201306

针对现有隐含因子模型存在的新用户冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵;再将分类评... 详细信息

针对现有隐含因子模型存在的新用户冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵;再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型不仅能够解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。

关键词：推荐系统隐含因子模型冷启动用户分类随机梯度下降法

在线全文

学校读者我要写书评

暂无评论

基于用户分类的海洋地质数据库移植

海洋地质前沿 2018年第5期34卷 67-72页

作者：宋怀荣林峰魏合龙苏国辉中国地质调查局青岛海洋地质研究所青岛260071 自然资源部海洋油气资源与环境地质重点实验室青岛260071 自然资源部天然气水合物重点实验室青岛260071

为加强海洋地质信息化服务应用程序的测试环境建设,提出了基于用户分类的海洋地质数据库移植的方法,结合PL/SQL developer和ArcGIS软件,将海洋地质数据以用户为单元创建海洋地质数据包,并移植到同等软硬件环境下的新平台,重新构建新平... 详细信息

为加强海洋地质信息化服务应用程序的测试环境建设,提出了基于用户分类的海洋地质数据库移植的方法,结合PL/SQL developer和ArcGIS软件,将海洋地质数据以用户为单元创建海洋地质数据包,并移植到同等软硬件环境下的新平台,重新构建新平台下的海洋地质数据库。本文从数据类型和用户分类着手,提出了针对包含属性数据和空间数据的数据库移植技术路线,并结合实践,论述了海洋地质数据库移植的步骤和关键点。

关键词：海洋地质数据库数据库移植用户分类 PL/SQL developer ArcGIS

在线全文

学校读者我要写书评

暂无评论

基于用户分类的Web日志统计测试方法研究

基于用户分类的Web日志统计测试方法研究

作者：俞金松上海师范大学

学位级别：硕士

Web应用具有用户数量庞大、使用环境复杂多变、更倾向于文件和信息的传递和获取等特点，传统的软件测试方法面临新的挑战。由于Web应用的多层体系结构，决定了在层与层之间可以使用不同的组件，在测试资源有限的情况下无法做到覆盖测试... 详细信息

Web应用具有用户数量庞大、使用环境复杂多变、更倾向于文件和信息的传递和获取等特点，传统的软件测试方法面临新的挑战。由于Web应用的多层体系结构，决定了在层与层之间可以使用不同的组件，在测试资源有限的情况下无法做到覆盖测试。本文研究一种统计测试方法，采用关键模块优先测试的策略以满足这一需求。统计测试针对Web用户频繁使用的页面和路径进行重点测试，以软件可能使用的输入子集表现的性能作为依据，推断软件整体的可靠性。使用统计测试的前提就是要根据Web应用的真实使用情况进行建模，比较常用的有基于UML使用模型和基于马尔可夫链使用模型。但随着Web应用的日趋复杂化，传统的两种模型已经无法适应功能结构和用户权限交错的Web应用。为此，本文在基于层次型马尔可夫链模型的基础上，提出了一种基于用户分类的统计测试方法，该方法通过对Web日志的分析和提取，对Web用户进行用户分类，构建基于用户分类的马尔可夫链模型，指导生成测试用例，进行测试。论文以“校园智能IT服务平台”作为测试平台，深入研究了如何进行Web访问日志的用户分离，根据不同算法构建使用模型等过程，并用实验验证了该方法的可行性。同时，说明该方法能够适应复杂度较高的Web应用，并且使得Web应用的可靠性评估更具有现实意义。

关键词：统计测试 Web日志马尔可夫链模型用户分类捕获/重现技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于正则化朴素贝叶斯的用户分类算法的研究

基于正则化朴素贝叶斯的用户分类算法的研究

作者：张予瑶广西大学

学位级别：硕士

推荐系统在电子商务和信息推送等场合有十分重要的应用,它把训练数据中的用户进行预分类,然后根据用户预分类结果,判断一个具体用户的个人偏好并推送个性化服务信息,提高了用户的体验满意度。朴素贝叶斯分类器具有优良的分类性能,已被... 详细信息

推荐系统在电子商务和信息推送等场合有十分重要的应用,它把训练数据中的用户进行预分类,然后根据用户预分类结果,判断一个具体用户的个人偏好并推送个性化服务信息,提高了用户的体验满意度。朴素贝叶斯分类器具有优良的分类性能,已被应用在推荐系统的用户分类中,但由于推荐系统的训练数据集存在高维度、不完备等问题,导致用户分类的精度、计算时间、抗噪音干扰等性能不佳。针对这些问题,本文研究使用Shrinkage正则化技术改进朴素贝叶斯分类算法,提出正则化朴素贝叶斯用户分类算法,主要研究内容如下:高斯朴素贝叶斯相当于一个对角协方差的朴素贝叶斯分类器,一定程度上减弱样本属性条件独立假设对分类结果的负面影响,但数据样本联合概率估计误差大的问题仍存在。在训练数据时,在高斯密度函数中引入罚因子和Shrinkage正则化方法,自动调整属性条件的权重,将非关键属性的权重降低,使协方差估计值接近原矩阵向量,避免过拟合,减小样本联合概率估计的误差,从而改善算法的分类效果,提高了分类精度。应用Adaptive Boosting(Ada Boost)自适应提升算法改进正则化朴素贝叶斯用户分类器的精度。首先设定初始弱分类器权重,然后通过迭代方法,获取弱分类器的最优组合权重系统,把弱分类器组合成强分类器,提升了分类器的精度。最后将所提的算法应用于用户分类问题,在Movie-leans和UCI数据集上验证算法的可行性,并与传统朴素贝叶斯、核函数贝叶斯、支持向量机、决策树等分类算法进行比较,实验结果表明:所提算法的分类精度优于相比较的其他算法,计算时间比传统朴素贝叶斯算法有数倍的提高,本文引入Shrinkage正则化方法和Ada Boost提升技术对减少高斯贝叶斯联合概率密度误差和优化计算时间是可行的。

关键词：用户分类朴素贝叶斯分类算法 Shrinkage正则化技术惩罚因子 AdaBoost算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习方法的用户分类与用能分解研究

基于深度学习方法的用户分类与用能分解研究

作者：李文峰山东建筑大学

学位级别：硕士

电力市场的改革促使电力部门开始以用户需求为导向,向用户提供高质量与个性化的用能服务。随着智能电表的广泛应用,智能电表所记录的海量用户消费数据不仅使用能数据分析成为了可能,还为电网智能化、个性化管理创造了条件。与此同时,伴... 详细信息

电力市场的改革促使电力部门开始以用户需求为导向,向用户提供高质量与个性化的用能服务。随着智能电表的广泛应用,智能电表所记录的海量用户消费数据不仅使用能数据分析成为了可能,还为电网智能化、个性化管理创造了条件。与此同时,伴随着深度学习方法的迅猛发展,深度学习方法为提取复杂环境下的用户用能特征提供了可行方案。为进一步发挥深度学习方法在用能数据深度分析方面的作用,本文开展了基于深度学习的用户分类与用能分解研究,提出了一种基于自学习边权重的图卷积用户分类网络和一种基于改进时序卷积网络的并行非侵入式用能分解方法。本文的主要工作如下:(1)介绍了基于用户用能数据的用户分类与非侵入式用能分解的相关知识,并给出了相关问题的解决思路。此外,详细阐述了几种用于后文研究的典型深度学习方法,并剖析了不同方法的优缺点。(2)为实现基于智能电表数据和用户信息的用户分类,提出了一种基于自学习边权重的图卷积分类网络(AEW-GCN)。在该网络中,首先构建了基于注意力机制的图转化层,实现了由离散电表数据到图数据的转换与学习;其次,分别从图数据结构和图节点数据提取特征,引入带有跳跃连接的残差网络进行特征筛选,并基于筛选特征产生特征重构图;最后,构建了图卷积分类器输出分类结果。为验证该方法的分类性能,分别在两个真实用能数据集中进行对比实验。实验结果表明,所提出方法能够有效学习不同类别用户特征完成分类,并在多种对比方法中取得最优性能。(3)为在用户分类基础上实现用户用能分解,同时提高现有分解方法的性能,提出了一种基于改进时序卷积网络(DBB-TCN)的并行非侵入式用能分解方法。在该方法中,首先提出了基于峰谷区间的数据划分方法,实现了原始数据的高低耗能区间的有效分类;其次,给出了一种基于DBB-TCN的长期分解子网和一种基于卷积自编码器(CAE)的短期分解子网,通过提取设备长期与短期特征实现用能分解;最后,长短期分解子网的输出在全连接层中实现有机统一,输出网络分解结果。为证明所提出方法的有效性,分别在UK-DALE和REDD两个用能分解数据集中进行实验,并与其他现有的分解方法进行对比。实验结果表明,所提出的基于改进时序卷积网络的并行分解方法可有效实现用户用能分解,且相比其他方法拥有更好的性能。(4)对本文所提出的用户用能分析方法进行了总结,反思了相关方法在用户分类与用能分解上的不足,并对下一步的研究进行了展望。

关键词：智能电表数据应用用户分类用能分解深度学习