文献类型：期刊文章

作　　者：朱州[1] 吴漾[1]

ZHU Zhou;WU Yang(Information Center of Guizhou Power Grid Co.,Ltd,Guiyang 550003)

机构地区：[1]贵州电网有限责任公司信息中心,贵阳550003

出　　处：《计算机与数字工程》

年　　份：2017

卷　　号：45

期　　号：6

起止页码：1049-1054

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：针对电力客户特点实行不同的营销策略和提供差异化服务,就需要对电力客户做出准确的分群。传统K-means聚类算法对数据分布均匀的类似球形的数据集聚类效果比较好,一旦数据集分布密度不均衡,类簇大小差异明显时,传统K-means算法容易使稀疏的大类簇被高密度小类簇瓜分,导致电力客户分群正确率下降。论文基于电力客户数据分布不均衡的特点,采用了一种改进的K-means聚类算法。改进的K-means算法提出一个新的加权聚类准则,并根据该准则修改了聚类迭代过程。文章最后在对电力客户数据的分群聚类结果表明,改进的K-means聚类算法的分群聚类效果中各个群类的紧凑性得到有效提高,误分情况明显改善。

关 键 词：K-MEANS算法 新聚类准则  迭代权重  正确率 标准差

分 类 号：TP391]