一种基于局部密度的核K-means算法*

针对核K-means算法初始聚类中心点难以确定等问题,提出了一种基于局部密度的核K-means算法,该方法利用每个样本的局部相对密度来选择具有高密度且低相似性的样本来生成初始类中心点。实验结果表明,该算法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终可以生成质量较高且波动性较小的聚类。     

计量供应商绩效评价管理系统设计

针对电网公司对计量供应商的管理尚未形成系统的绩效管理体系的问题,研制了计量供应商绩效评价管理系统。分析了当前计量供应商的管理的发展状况,以基于关键指标分析的计量供应商绩效指标体系为基础,结合权重系数修正机制,构建了计量供应商绩效模型,设计了完善的计量供应商绩效分级管理模式,实现了计量供应商任务管理、售后服务管理、绩效评价管理和智能决策管理等功能。运行结果表明,系统规范了电网公司供应商关系管理工作,提供了计量供应商绩效评价工作有效的技术评估手段。     

电能计量装置品级评价管理系统设计

针对电能计量装置关联设备数据分散和电能计量装置评估手段薄弱的问题,研制了电能计量装置品级评价管理系统。对当前电能计量装置的管理和运行检验的发展状况进行深入的调研,以基于关键指标分析的品级评价模型为基础,利用数据集成技术有效集中了电能计量装置关联的设备数据信息,解决了大量电力数据处理问题,研究整合了多种数据挖掘算法,设计了数据挖掘算法组件,实现了电能计量装置数据集成管理、配置管理、运行管理和智能决策管理等功能。介绍了电能计量装置品级评价管理系统的设计思想、系统功能和关键技术。     

基于划分和层次的混合动态聚类算法*

针对划分聚类对初始值较为敏感以及层次聚类时间复杂度高等缺陷,提出了一种基于划分和层次的混合动态聚类算法HDC-PH。该算法首先使用划分聚类快速生成一定数量的子簇,然后以整体相似度的聚类质量评价标准来动态改变聚类数目,同时给出了聚类过程中孤立点的剔除方法。实验结果表明,HDC-PH算法的性能明显优于划分和层次算法,提高了聚类质量,并获得了更自然的聚类结果。