2020一种基于密度和距离的K-means聚类算法罗军锋,洪丹丹(西安交通大学网络信息中心,陕西 西安 710049)luojf@xjtu.edu.cn; ddhong@xjtu.edu.cn 摘 要:针对K-means算法中对初始聚类中心和孤立点敏感的缺点,我们通过从密度和距离两个方面的改进,提出新的改进K-means算法。该算法引入特征权重,从近邻密度出发,去除...
基于电压/无功灵敏度确定各节点间的电气距离,并结合k-means聚类方法对配电网进行分区,且随着电网结构的变化,分区结果变化,优于以往方法需考虑负荷类型或负荷大小的弊端,为实现电网安全稳定运行提供了条件。
初始聚类中心和孤立点敏感的缺点,我们通过从密度和距离两个方面的改进,提 出新的改进K-means算法.该算法引入特征权重,从近邻密度出发,去除孤立点对算法的影响,同时确定初始聚类中 心,在距离计算过程中,引入集成簇内与簇间距离的计算方法,以提升聚类的效果.实验结果表明,该算法比传统聚类 算法能够提升10%以上的聚类...
基于电压/无功灵敏度确定各节点间的电气距离,并结合K-means聚类方法对配电网进行分区,且随着电网结构的变化,分区结果变化,优于以往方法需考虑负荷类型或负荷大小的弊端,为实现电网安全稳定运行提供了条件。