本文關(guān)鍵詞：基于K-means聚類方法的電力通信模型自動生成方法及其優(yōu)化

  更多相關(guān)文章： K-means聚類 電力通信 網(wǎng)絡(luò)拓撲 脆弱性分析

【摘要】：為了在電力通信模型的建立過程中生成一個比較合理和強壯的初始通信模型,在傳統(tǒng)的Waxman方法的基礎(chǔ)上,運用K-means的聚類思想生成節(jié)點,并對所生成的拓撲網(wǎng)絡(luò)進行脆弱性分析和信息孤島檢測,然后對于網(wǎng)絡(luò)中的脆弱節(jié)點進行補強。仿真實驗結(jié)果顯示這種結(jié)合K-means和脆弱性分析的拓撲生成算法在生成對意外風(fēng)險具有較強抗性的電力網(wǎng)絡(luò)拓撲方面具有比較好的效果。
【作者單位】： 中央財經(jīng)大學(xué)信息學(xué)院;國網(wǎng)遼寧省電力有限公司信息通信分公司;北京國電通網(wǎng)絡(luò)技術(shù)有限公司;
【關(guān)鍵詞】： K-means聚類 電力通信 網(wǎng)絡(luò)拓撲 脆弱性分析
【基金】：國家自然科學(xué)基金資助項目(No.U1509214) 國網(wǎng)科技部基金資助項目(No.SGTYHT/14-JS-188)~~
【分類號】：TM73;TP311.13
【正文快照】： 3.北京國電通網(wǎng)絡(luò)技術(shù)有限公司,北京100070)1引言電力通信網(wǎng)絡(luò)拓撲模型是一種基于真實電力通信網(wǎng)絡(luò)的模擬,是當下研究電力通信網(wǎng)絡(luò)的一種重要手段。由于電力通信網(wǎng)絡(luò)存在多樣性和復(fù)雜性,影響拓撲模型模擬穩(wěn)定性的重要因素就是研究過程中所選擇的拓撲模型。用盡量能反映真實電

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 屈新懷;高萬里;丁必榮;李朕;;基于聚類數(shù)和初始值的K-means算法改進研究[J];組合機床與自動化加工技術(shù);2011年04期

2 游峰;張榮輝;李福j;馮瓊瑩;徐建閩;;基于K-means算法的行人檢測方法研究[J];公路交通科技;2014年07期

3 張建民;姚亮;胡學(xué)鋼;;一種面向數(shù)據(jù)缺失問題的K-means改進算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年09期

4 胡朝清;;K-means算法研究[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2014年02期

5 歐陽浩;陳波;王萌;黃鎮(zhèn)謹;;基于網(wǎng)格的二次K-means聚類算法[J];廣西工學(xué)院學(xué)報;2012年01期

6 黃美璇;;一種基于Kmax的K-means改進算法[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2010年02期

7 孫玲芳;李爍朋;;基于K-means聚類與張量分解的社會化標簽推薦系統(tǒng)研究[J];江蘇科技大學(xué)學(xué)報(自然科學(xué)版);2012年06期

8 關(guān)欣;孫祥威;曹昕瑩;;改進的K-Means算法在特征關(guān)聯(lián)中的應(yīng)用[J];雷達科學(xué)與技術(shù);2014年01期

9 趙春暉;王瑩;Masahide Kaneko;;一種改進的k-means聚類視覺詞典構(gòu)造方法[J];儀器儀表學(xué)報;2012年10期

10 張會;趙騰飛;王云專;吳衛(wèi)琴;;基于密度的K-means算法在識別含氣、含水巖心中的應(yīng)用[J];科學(xué)技術(shù)與工程;2011年24期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 楊青;劉曄;張東旭;劉暢;;快速查找最優(yōu)初始聚類數(shù)K的改進K-means算法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

2 陳磊;胡佳敏;嚴華;;K-means算法在散貨船代貨運系統(tǒng)中的應(yīng)用[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

3 鄭建軍;甘仞初;賀躍;畢思飛;;一種基于k-means的聚類集成方法[A];全國第九屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會議論文集[C];2005年

4 張望;王輝;;個性化服務(wù)中的并行K-Means聚類算法[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(下冊)[C];2007年

5 江華;王翰虎;陳梅;;一種基于K-means聚類分組的P2P超結(jié)點模型[A];2005年全國開放式分布與并行計算學(xué)術(shù)會議論文集[C];2005年

6 王守強;朱大銘;史士英;;基于輸入點集求解k-Means聚類算法[A];第二十六屆中國控制會議論文集[C];2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳智;基于K-means聚類算法的機會網(wǎng)絡(luò)群組移動模型及其長相關(guān)性研究[D];湘潭大學(xué);2015年

2 許允棟;K-means聚類算法的改進與應(yīng)用[D];廣西師范大學(xué);2015年

3 丁斌;基于布谷鳥算法的K-means聚類挖掘算法研究[D];合肥工業(yè)大學(xué);2015年

4 賀艷芳;熵加權(quán)多視角核k-means聚類算法的研究[D];鄭州大學(xué);2016年

5 梁云昭;基于K-means的圍棋特征提取方法研究[D];北京理工大學(xué);2015年

6 于洋洋;基于并行K-MEANS聚類分析的社群發(fā)現(xiàn)算法研究[D];東北大學(xué);2012年

7 崔曉麗;基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究[D];大連理工大學(xué);2014年

8 高存彬;基于K-Means聚類法的水團劃分算法和可視化研究[D];中國海洋大學(xué);2008年

9 劉建國;改進的K-means算法及其在采油數(shù)據(jù)分析中的應(yīng)用[D];北京郵電大學(xué);2010年

10 陳翠卓;移動平臺下基于K-means的租房信息聚類算法研究與實現(xiàn)[D];華中師范大學(xué);2014年

，

本文編號：917389