重庆理工大学学报2022，Vol.36Issue(12) ：92-101.DOI:10.3969/j.issn.1674-8425(z).2022.12.011

联合知识图谱与改进高斯混合模型的电力用户聚类方法

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
重庆理工大学学报2022，Vol.36Issue(12) ：92-101.DOI:10.3969/j.issn.1674-8425(z).2022.12.011
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

联合知识图谱与改进高斯混合模型的电力用户聚类方法

Power user clustering method based on a combination of knowledge graph and modified Gaussian mixture model

吉涛 1何轶 1朱韵攸 1王迥源 2申强 2廖勇3
扫码查看

作者信息

  • 1. 国网重庆市电力公司信息通信分公司, 重庆 401120
  • 2. 国网重庆市电力公司, 重庆 400014
  • 3. 重庆大学 微电子与通信工程学院, 重庆 400044
  • 折叠

摘要

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.

关键词

智能电网/电力用户/知识图谱/期望最大化/高斯混合聚类

引用本文复制引用

基金项目

重庆市技术创新与应用发展专项重点项目(cstc2021jscxgksbX0040)

国网重庆信通公司项目(2022渝电科技自19)

出版年

2022
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
被引量4
参考文献量10
段落导航相关论文