首页|联合知识图谱与改进高斯混合模型的电力用户聚类方法

联合知识图谱与改进高斯混合模型的电力用户聚类方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
随着电力用户数据复杂程度不断增大,为了改善人工处理海量复杂文本数据的低效方式,以及解决现有聚类方法存在的寻优能力差、紧凑性不足的问题,提出一种联合知识图谱(knowledge graph,KG)与改进高斯混合模型的聚类方法,利用KG将复杂的文本拆解成相关的知识元结构,并利用知识库对所需内容进行提取,规范高斯混合聚类模型所需要的输入数据,通过期望最大化(expectation-maximization,EM)迭代出良好的聚类结果,进而挖掘大量用户数据中的潜在信息.案例分析表明:与K-Means和层次聚类等典型聚类方法相比,所提方法具有更好的聚类结果、分类效果和全局寻优性能,验证了所提方法的可行性和有效性.
Power user clustering method based on a combination of knowledge graph and modified Gaussian mixture model

吉涛、何轶、朱韵攸、王迥源、申强、廖勇

展开 >

国网重庆市电力公司信息通信分公司, 重庆 401120

国网重庆市电力公司, 重庆 400014

重庆大学 微电子与通信工程学院, 重庆 400044

智能电网 电力用户 知识图谱 期望最大化 高斯混合聚类

重庆市技术创新与应用发展专项重点项目国网重庆信通公司项目

cstc2021jscxgksbX00402022渝电科技自19

2022

10.3969/j.issn.1674-8425(z).2022.12.011

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(12)
  • 4
  • 10