检索结果-南通市图书馆

基于空间密度聚类和k-shape算法的城市综合体负荷模式聚类方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2021年第14期49卷 37-44页

作者：魏勇李学军李万伟刘嘉明王喻玺李正辉王飞国网甘肃省电力公司经济技术研究院甘肃兰州730050 国网甘肃省电力公司甘肃兰州730000 国网武威供电公司甘肃武威733000 华北电力大学河北保定071003

城市综合体作为新兴负荷种类,其负荷预测的精度直接影响电网的规划与安全运行。然而城市综合体负荷模式易受外部环境影响而出现异常变化,对其直接进行预测的精度不能满足实际运行的要求,需要对城市综合体负荷进行聚类以提取不同的负荷... 详细信息

城市综合体作为新兴负荷种类,其负荷预测的精度直接影响电网的规划与安全运行。然而城市综合体负荷模式易受外部环境影响而出现异常变化,对其直接进行预测的精度不能满足实际运行的要求,需要对城市综合体负荷进行聚类以提取不同的负荷模式来提高预测的精度,因此提出了一种基于空间密度聚类和k-shape算法的城市综合体负荷模式聚类方法。首先利用自适应空间密度算法(DBSCAN)根据不同区域的密度大小来提取不同季节下综合体负荷的典型日负荷曲线。然后利用k-shape聚类算法在不同季节下对不同综合体的典型日负荷曲线进行聚类分析。最后将仿真结果与k-means、k-medoids的聚类结果进行对比。仿真结果表明,与其他两种方法相比,提出的DBSCAN-k-shape两阶段负荷模式聚类方法对城市综合体负荷进行聚类在不同的聚类指标下均具有较高的精度。

关键词：城市综合体负荷预测日负荷模式空间密度聚类 k-shape聚类

计及用电行为模式的区域商业建筑负荷预测方法

在线全文

学校读者我要写书评

暂无评论

电力需求侧管理 2024年第2期26卷 34-40页

作者：李洁顾水福周磊李亚飞刘乙朱超群国网江苏省电力有限公司苏州供电分公司江苏苏州215004

为充分利用智能电表采集的细粒负荷数据并提高区域商业建筑负荷预测的精确度,提出一种基于用电行为模式的区域商业建筑负荷预测方法。首先,基于均值方差归一化方法对采集到的负荷数据进行标准化处理,通过肘方法确定聚类数目后进行k-Shap... 详细信息

为充分利用智能电表采集的细粒负荷数据并提高区域商业建筑负荷预测的精确度,提出一种基于用电行为模式的区域商业建筑负荷预测方法。首先,基于均值方差归一化方法对采集到的负荷数据进行标准化处理,通过肘方法确定聚类数目后进行k-shape聚类,实现区域商业建筑负荷不同用电行为模式的提取;其次,针对大规模商业建筑负荷预测问题,考虑区域内大量商业建筑负荷预测时耗费大量内存资源却难以实现较准确预测问题,提出一种改进的Informer模型,该模型通过聚类算法识别具有相似用电行为模式的商业建筑,并充分考虑智能电表采集的异常负荷数据对模型训练结果的影响,能够良好的解决大规模商业建筑负荷预测精度不高问题;最后,采用加利福尼亚州商业建筑负荷进行实验,实验结果表明所提方法能够有效提高区域商业建筑负荷预测精度。

关键词：商业建筑负荷预测 k-shape聚类用电行为模式 Informer模型

企业虚拟品牌社区初访用户注册后早期信息行为及服务策略研究

在线全文

学校读者我要写书评

暂无评论

情报理论与实践 2023年第12期46卷 140-148,139页

作者：崔圣楠许正良王海燕赵梓翔吉林大学商学与管理学院吉林长春130012 吉林外国语大学国际商学院吉林长春130117

[目的/意义]揭示企业虚拟品牌社区初访用户注册后早期阶段里的信息行为规律性,为企业社区针对注册后早期用户实施精准的信息服务策略提供实践指导。[方法/过程]采用火车采集器及调查问卷获取数据,运用k-shape聚类等方法进行统计分析并... 详细信息

[目的/意义]揭示企业虚拟品牌社区初访用户注册后早期阶段里的信息行为规律性,为企业社区针对注册后早期用户实施精准的信息服务策略提供实践指导。[方法/过程]采用火车采集器及调查问卷获取数据,运用k-shape聚类等方法进行统计分析并构建初访用户信息行为模式,使用BTM模型对各模式中用户基础信息行为特征进行挖掘,以此为基础针对性地制定策略建议。[结果/结论]得到三种初访用户信息行为模式,三种模式下用户浏览、发布等基础信息行为的特征及影响因素皆有所差异,企业社区应根据这一时期用户信息行为模式、特征及影响因素的特性做出具有针对性的策略应对。

关键词：企业虚拟品牌社区初访用户注册后期信息行为 k-shape聚类 BTM模型

基于文本语义挖掘和时间序列聚类的快时尚潮流趋势研究——以牛仔裤潮流趋势为例

在线全文

学校读者我要写书评

暂无评论

基于文本语义挖掘和时间序列聚类的快时尚潮流趋势研究——以牛仔...

作者：董肖东华大学

学位级别：硕士

“快时尚”服饰始终追随当季潮流,具有价低、款式变化快等特点,是服装行业发展趋势之一。在移动互联网规模迅速扩大的背景下,如何把握中国快时尚迅速增长的市场特点,利用大数据技术挖掘潮流趋势,成为了目前中国快时尚企业的战略重点之... 详细信息

“快时尚”服饰始终追随当季潮流,具有价低、款式变化快等特点,是服装行业发展趋势之一。在移动互联网规模迅速扩大的背景下,如何把握中国快时尚迅速增长的市场特点,利用大数据技术挖掘潮流趋势,成为了目前中国快时尚企业的战略重点之一。本文以牛仔裤为例,根据民众在社交平台中发布的信息,通过文本语义挖掘技术从博文中提炼出牛仔裤快时尚相关的潮流特征,构建时尚特征趋势分析模型,从而识别其中的时尚特征趋势和时尚特征组合,为快时尚企业制定未来服装设计策略提供科学的数据支撑,实现了从理论模型研究到解决实际问题的应用创新。具体而言,本文选取快时尚的代表单品——“牛仔裤”作为研究对象,首先利用爬虫技术,采集2021年12月9日至2022年1月8日期间微博中以“牛仔裤”为关键词的博文数据,并对原始数据进行预处理及中文分词。接着,对文本处理后的博文数据,先通过构建牛仔裤时尚博文语义网络,根据共现分析、语义网络图分析、中心性分析结果,提取到10个核心时尚特征词;再构建牛仔裤时尚博文LDA主题模型,根据困惑度实验和一致性检验结果,确定最优主题数;并由此提炼出5个核心主题,各展示出前8个主题词;最后根据文本语义挖掘结果,结合实际情况分析,提炼出22个牛仔裤热点时尚特征作为趋势分析的研究对象。进一步,为了探讨牛仔裤时尚特征趋势,本文构建了基于时间序列聚类算法和Mann-kendall趋势检验方法的时尚特征趋势挖掘模型。通过对比4种聚类算法的模型效果,得出以SBD作为距离度量、形状提取作为原型函数的k-shape聚类算法所构建的时尚特征趋势挖掘模型效果最好。最后,为了进一步识别出社会关注度变动情况关联密切的时尚特征,本文提出了同一趋势中时尚特征组合识别模型,分别根据时尚特征话题度时间序列、话题度标准化日变化幅度时间序列,建立优化前后的识别模型,并对挖掘出来的时尚特征趋势结果应用识别模型,验证了优化前后的模型效果提升情况。基于2个时尚特征趋势分析模型的结果,共识别出“上升”、“下降”、“常青”、“先降后升”4种时尚趋势及对应的时尚特征归类;优化后的牛仔裤时尚特征组合识别模型中聚类结果的SSE较优化前模型平均降低了34.69%,轮廓系数平均提升了16.25%,而且特征组合识别结果更有应用价值。之后,基于优化后的模型能够识别出包括“浅蓝色条纹”在内的7组话题度变动关联密切、可搭配为新的设计方向的特征组合。最后根据本文的研究成果,结合明星效应、季节效应等因素为快时尚企业制定牛仔裤设计销售策略提出了客观合理的建议。

关键词：潮流趋势文本语义挖掘时间序列聚类 LDA主题模型 k-shape聚类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时间序列分解模型的股价走势聚类研究

基于时间序列分解模型的股价走势聚类研究

作者：陆领领大连理工大学

学位级别：硕士

k-shape聚类算法在医疗数据领域广泛应用,如心电图分析,与DTW算法不同,该算法采用SBD（shape Based Distance）距离作为其距离度量方式,从而更接近于形状因素的提取,往往能够发掘序列的局部相似性。对金融时间序列进行走势预测分析已有... 详细信息

k-shape聚类算法在医疗数据领域广泛应用,如心电图分析,与DTW算法不同,该算法采用SBD（shape Based Distance）距离作为其距离度量方式,从而更接近于形状因素的提取,往往能够发掘序列的局部相似性。对金融时间序列进行走势预测分析已有的方法包括BP神经网络、LSTM等等,而本文主要的研究内容是将k-shape聚类算法应用于股价走势预测当中,通过STL时间序列分解算法提取其长期趋势项以及去噪。笔者认为,同簇的序列可用于比较乃至预测走势的类似性,实证分析中,将簇分类标签作为BP神经网络输入层参数之一可以提升其预测精度,为证明结果的可靠性,本文设置了多组对照实验,包括开发了基于SBD距离的层次聚类算法,将层次聚类结果的簇分类标签也作为参数之一进行神经网络的训练。为使得k-shape算法在高度不确定的金融时间序列中实现更好的性能,本文改进了其簇心提取算法以及归一化步骤,实验结果显示,改进后的k-shape算法能更好的进行股价走势数据的聚类,其各簇簇心也更接近于形状中心。

关键词： k-shape聚类 SBD距离 STL分解法 BP神经网络