| 基于FP-Growth算法和GRNN的电力知识文本挖掘 |
| |
| 引用本文： | 白勇,张占龙,熊隽迪.基于FP-Growth算法和GRNN的电力知识文本挖掘[J].计算机科学,2021,48(8):86-90. |
| |
| 作者姓名： | 白勇 张占龙 熊隽迪 |
| |
| 作者单位： | 重庆电力高等专科学校 重庆400053;重庆大学 重庆400030 |
| |
| 摘 要： | 为了提高电力知识文本挖掘的性能,采用FP-Growth算法对影响电力需求的强关联因素进行挖掘,运用广义回归神经网络(General Regression Neural Network,GRNN)算法实现电力需求预测.首先,对待挖掘的电力文本进行指标提取并编码,生成电力文本初始FP-Tree;接着采用FP-Growth算法遍历所有FP-Tree,生成频繁集,过滤掉小于最小支持度的项,留下频数较高的频繁项;然后根据更新后的FP-Tree统计关联项,选择与总用电量增长率关联强的变量生成训练样本;最后采用GRNN算法对电力需求文本进行训练,输入电力需求预测样本,设置平滑因子,通过模式层的输出和加权求和来获得电力需求预测结果.实验结果证明,通过合理设置最小支持度和GRNN的平滑因子,能够获得较好的电力文本挖掘性能,与常用挖掘算法相比,所提算法能够获得更高的电力需求预测准确率.
|
| 关 键 词： | 电力文本挖掘 FP-Growth算法 广义回归神经网络 平滑因子 频繁集 |
Power Knowledge Text Mining Based on FP-Growth Algorithm and GRNN |
| |
| BAI Yong,ZHANG Zhan-long,XIONG Jun-di.Power Knowledge Text Mining Based on FP-Growth Algorithm and GRNN[J].Computer Science,2021,48(8):86-90. |
| |
| Authors: | BAI Yong ZHANG Zhan-long XIONG Jun-di |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
