检索结果

Select

1. 基于层次聚类和极限学习机的母线短期负荷预测

颜宏文, 盛成功

计算机应用 2018, 38 (8): 2437-2441. DOI: 10.11772/j.issn.1001-9081.2018010017

摘要（789）

PDF （773KB）（424）

利用传统方法预测母线负荷时，通常选取离待测日相近的一段时间作为历史相似日进行模型训练，没有考虑其天气情况、星期类型、节假日等因素的影响，相似日与待测日特征相差较大。为解决以上问题，提出一种基于层次聚类（HC）和极限学习机（ELM）的母线负荷预测算法。首先使用层次聚类法将母线历史日负荷进行聚类，然后对层次聚类得出的聚类结果建立决策树，其次根据待测日的温度、湿度、星期和节假日类型等日属性在决策树中匹配出训练极限学习机预测模型的历史日负荷，最后建立极限学习机预测模型，对待测日母线日负荷进行预测。对两条不同母线的负荷进行了预测，与传统单一的极限学习机相比，所提算法的平均绝对百分比误差（MAPE）分别降低了1.4和0.8个百分点。实验结果表明，所提算法预测母线负荷具有更高的预测精度和稳定性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于宽度优先搜索的 K-medoids聚类算法

颜宏文, 周雅梅, 潘楚

计算机应用 2015, 35 (5): 1302-1305. DOI: 10.11772/j.issn.1001-9081.2015.05.1302

摘要（638）

PDF （626KB）（715）

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略. 首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点, 同时采用簇间距离和簇内距离优化准则函数. 实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率.

参考文献 | 相关文章 | 多维度评价

Select

3. 基于差分演化算法的粗糙集属性约简

高意颜宏文

计算机应用 2010, 30 (9): 2329-2331.

摘要（1573）

PDF （483KB）（1001）

属性约简是粗糙集(RS)理论的核心内容之一。应用差分演化(DE)算法求解最小属性约简是一个新的方向。对差分演化算法进行了改进，给出了一种新的适应值函数的定义形式；并在此基础上提出了基于差分演化算法的属性约简算法。最后利用多组数据对该算法进行了仿真实验，并与现有算法进行了比较分析。实验结果表明该算法是有效的,能快速地进行属性约简。