[发明专利]一种基于改进k-means算法的海量智能用电数据分析方法有效
| 申请号： | 201510263237.3 | 申请日： | 2015-05-21 |
| 公开（公告）号： | CN104850629A | 公开（公告）日： | 2015-08-19 |
| 发明（设计）人： | 周天和;卢晓飞;张元元;蔡荣 | 申请（专利权）人： | 杭州天宽科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 杭州之江专利事务所(普通合伙) 33216 | 代理人： | 张慧英 |
| 地址： | 310000 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于改进k-means算法的海量智能用电数据分析方法，首先建立了家庭用户用电信息的家庭用户号、房屋面积、家庭成员数、每天用电量、峰谷电量、家用电器数等数据的Map-Reduce并行处理模型，再利用k-means算法综合考虑初始聚类中心的选择及聚类个数的选取2个因素，以数据对象密度的大小作为初始聚类中心的选取标准，将簇间距离及簇内对象的分散程度作为聚类数目选择的重要参考，实现对k-means算法的改进；在Map-Reduce并行处理模型下对初始聚类中心进行优化，准确定位聚类中心；对每个聚类的簇所属的数据进行并行挖掘，完成用电数据分析。通过在Hadoop集群上进行实验，结果证明本发明提出的方法运行稳定、高效、可行，且具有良好的加速比。 | ||
| 搜索关键词： | 一种 基于 改进 means 算法 海量 智能 用电 数据 分析 方法 | ||
【主权项】：
一种基于改进k‑means算法的海量智能用电数据分析方法，其特征在于包括如下步骤：(1)对家庭用户建立Map‑Reduce并行处理模型，并以Map‑Reduce并行处理模型为数据对象创建海量智能用电数据分析架构；(2)利用改进k‑means算法，基于对象密度的大小、簇间距离、簇内对象的分散程度选择初始聚类中心及聚类个数k；(3)在Map‑Reduce并行处理模型下对初始聚类中心进行优化，准确定位聚类中心；(4)对每个聚类的簇所属的数据进行并行挖掘，完成用电数据分析。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州天宽科技有限公司，未经杭州天宽科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510263237.3/，转载请声明来源钻瓜专利网。
