文献

J-GLOBAL ID：201602218277014575   整理番号：16A0160612

SOM(自己組織化マップ)DB PAMハイブリッドクラスタリングアルゴリズムに基づく電力顧客セグメンテーション【Powered by NICT】

Power Customer Segmentation Based on SOM-DB-PAM Hybrid Clustering Algorithm

著者 (3件)： Hu Xiaoxue (School of Management,Northwestern Polytechnical Univ., Xi’an) ,  Zhao Songzheng (School of Management,Northwestern Polytechnical Univ., Xi’an) ,  Wu Nan (School of Management,Northwestern Polytechnical Univ., Xi’an)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 41  号： 10  ページ： 295-301,308  発行年： 2015年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 非常に大きな量と異常値の存在の特徴,および大量のデータを処理するとクラスタの数を事前に決めておくにおける分割周辺Medoid(PAM)アルゴリズムの限界に達した電力消費に基づいて,多数の電力顧客のの高速クラスタリングのための適したSOM DB PAMと呼ばれる新しいハイブリッドクラスタリングアルゴリズムを提案した。提案したアルゴリズムでは,自己組織化マップ(SOM)ニューラルネットワークは,入力データのパターンは,集合がそれの数よりもはるかに少ない代表プロトタイプベクトルを見つけるために入力データを訓練するために使用されると,プロトタイプベクトルを,PAMアルゴリズムによるクラスター化し,クラスタの妥当性を保証するために,最適な数のクラスタを解くSOMプロトタイプベクトル計算Davies-Bouldin(DB)インドクイズする。実験結果は,従来のクラスタリングアルゴリズムと比較して,分類の精度が向上し,電力消費量が大きい場合に,提案したアルゴリズムは,高速で効果的なクラスタリングを実現できることを示した。さらに,人工的にクラスタの数を事前に決めておくの失明と主観性が減少した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *アルゴリズム ,  ニューラルネットワーク ,  盲 ,  電力消費 ,  異常値 ,  高速度 ,  *自己組織化特徴マップ ,  *クラスタ ,  *クラスタ化 ,  *電力
準シソーラス用語： *クラスタリングアルゴリズム ,  入力データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (6件)： SOM ,  自己組織化マップ ,  Db ,  PAM ,  クラスタリングアルゴリズム ,  顧客セグメンテーション