袁昊：基于电力日志特征的DBSCAN聚类论文

本文主要研究内容

作者袁昊,金铭,邱昱,李兴（2019）在《基于电力日志特征的DBSCAN聚类》一文中研究指出：针对电力系统海量日志导致难以进行人工分类的问题,文章根据电力日志的结构化特征,通过建立日志的特征向量,再使用DBSCAN来对日志进行聚类。以国网甘肃省电力公司日志作为数据集,使用该方法进行了检验。与专家人工分类的对比结果表明,该方法聚类结果与专家分类结果一致,且聚类的类簇中数目误差率小于0.3%。同时,从轮廓系数和Rand指数2个指标来看,DBSCAN聚类方法也能较好地适应该数据集。聚类的结果能够有效减少电力系统运维人员的检查工作量。

Abstract

zhen dui dian li ji tong hai liang ri zhi dao zhi nan yi jin hang ren gong fen lei de wen ti ,wen zhang gen ju dian li ri zhi de jie gou hua te zheng ,tong guo jian li ri zhi de te zheng xiang liang ,zai shi yong DBSCANlai dui ri zhi jin hang ju lei 。yi guo wang gan su sheng dian li gong si ri zhi zuo wei shu ju ji ,shi yong gai fang fa jin hang le jian yan 。yu zhuan jia ren gong fen lei de dui bi jie guo biao ming ,gai fang fa ju lei jie guo yu zhuan jia fen lei jie guo yi zhi ,ju ju lei de lei cu zhong shu mu wu cha lv xiao yu 0.3%。tong shi ,cong lun kuo ji shu he Randzhi shu 2ge zhi biao lai kan ,DBSCANju lei fang fa ye neng jiao hao de kuo ying gai shu ju ji 。ju lei de jie guo neng gou you xiao jian shao dian li ji tong yun wei ren yuan de jian cha gong zuo liang 。

论文参考文献

[1].改进的快速DBSCAN算法[J]. 王桂芝,王广亮. 计算机应用.2009(09)

[2].一种改进DBSCAN密度聚类算法[J]. 张灿龙,李忠利,陈华彬. 数字技术与应用.2016(11)

[3].云环境下并行DBSCAN聚类算法研究[J]. 邓青,杨宁. 山西电子技术.2017(06)

[4].论DBSCAN算法在图像分割中分类的实现[J]. 王小龙. 电子技术与软件工程.2013(12)

[5].基于自适应蜂群优化的DBSCAN聚类算法[J]. 胡健,朱海湾,毛伊敏. 计算机工程与应用.2019(14)

[6].基于自然邻居改进的DBSCAN算法[J]. 李捷,陈雁彬. 现代计算机(专业版).2018(13)

[7].一种提高DBSCAN聚类算法质量的新方法[J]. 冯少荣,肖文俊. 西安电子科技大学学报.2008(03)

[8].基于区域划分的DBSCAN多密度聚类算法[J]. 韩利钊,钱雪忠,罗靖,宋威. 计算机应用研究.2018(06)

[9].DBSCAN算法研究及并行化实现[J]. 宋董飞,徐华. 计算机工程与应用.2018(24)

[10].自适应局部半径的DBSCAN聚类算法[J]. 秦佳睿,徐蔚鸿,马红华,曾水玲. 小型微型计算机系统.2018(10)

论文详细介绍

论文作者分别是来自电力信息与通信技术的袁昊,金铭,邱昱,李兴，发表于刊物电力信息与通信技术2019年05期论文，是一篇关于电力日志论文,特征向量论文,聚类论文,电力信息与通信技术2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电力信息与通信技术2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/06bc33857136b56647e7503b.html