電力大數(shù)據(jù)的信息價值密度評價與提升方法研究
發(fā)布時間:2023-08-14 19:57
智能電網(wǎng)的信息化建設(shè)積累了大量數(shù)據(jù)資源,電力系統(tǒng)已經(jīng)進入了“大數(shù)據(jù)”時代,而如何提升電力大數(shù)據(jù)的信息價值密度是目前研究的重點。針對目前價值密度的研究存在缺乏定義和量化指標(biāo)、提升手段單一導(dǎo)致效果有限的問題,本文圍繞價值密度研究課題,從價值密度的定義,評價指標(biāo)的建立,提升方法的研究,到實驗仿真的驗證都展開了研究分析。本文提出了電力大數(shù)據(jù)價值密度的定義及評價指標(biāo)。其中,價值密度評價指標(biāo)分別從空間上內(nèi)存占用、時間上運行速率兩個維度計算,并且也計及了數(shù)據(jù)挖掘結(jié)果的誤差。本文分別從“臟數(shù)據(jù)”、記錄、字段的維度出發(fā),將提升價值密度的技術(shù)路線總結(jié)為“三層過濾機制”——面向數(shù)據(jù)庫的“臟數(shù)據(jù)”過濾、基于改進K-means算法的記錄“橫向”過濾以及基于FP-network算法的字段“縱向”過濾,并針對每一層過濾進行了深入研究和闡述。第一層過濾總結(jié)了常見的“臟數(shù)據(jù)”類型、產(chǎn)生原因及其相應(yīng)處理方法;第二層過濾基于多初始聚類中心、多機組并行處理的改進K-means算法實現(xiàn)了記錄維度的“橫向”過濾;第三層過濾提出了FP-network算法,不僅繼承了FP-growth算法的優(yōu)點,而且只需掃描一次數(shù)據(jù)庫,也方便數(shù)據(jù)庫...
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 目前研究存在的主要問題
1.4 本文主要內(nèi)容
第二章 電力大數(shù)據(jù)的信息價值密度
2.1 電力大數(shù)據(jù)的特征分析、技術(shù)模型及其應(yīng)用
2.1.1 電力大數(shù)據(jù)的特征分析
2.1.2 電力大數(shù)據(jù)的技術(shù)模型
2.1.3 在智能電網(wǎng)中的應(yīng)用
2.2 價值密度定義
2.3 價值密度評價指標(biāo)
2.4 本章小結(jié)
第三章 面向數(shù)據(jù)庫的“臟數(shù)據(jù)”過濾
3.1 基于電力業(yè)務(wù)的數(shù)據(jù)庫過濾
3.2 常見的“臟數(shù)據(jù)”類型及原因
3.3 “臟數(shù)據(jù)”處理方法
3.4 小結(jié)
第四章 基于改進K-MEANS算法的記錄“橫向”過濾
4.1 常見聚類算法比較
4.1.1 層次聚類算法
4.1.2 DBSCAN聚類算法
4.1.3 混合高斯法
4.1.4 K-means算法
4.2 改進K-means聚類算法
4.2.1 改進K-means算法流程
4.2.2 改進K-means算法性能檢驗
4.3 算例分析
4.4 小結(jié)
第五章 基于FP-NETWORK算法的字段“縱向”過濾
5.1 常見關(guān)聯(lián)分析
5.1.1 Apriori算法
5.1.2 FP-growth算法
5.2 FP-network算法
5.2.1 FP-network算法的網(wǎng)絡(luò)圖形式
5.2.2 FP-network算法的矩陣形式
5.2.3 FP-network算法的具體流程
5.2.4 與其他關(guān)聯(lián)規(guī)則算法的比較
5.3 算例分析
5.3.1 實驗環(huán)境和數(shù)據(jù)
5.3.2 算例分析過程
5.3.3 算例分析結(jié)論
5.4 小結(jié)
第六章 實驗仿真
6.1 實驗平臺
6.2 “三層過濾機制”處理過程
6.2.1 面向數(shù)據(jù)庫的“臟數(shù)據(jù)”過濾
6.2.2 基于改進K-means算法的記錄“橫向”過濾
6.2.3 基于FP-network算法的字段“縱向”過濾
6.3 價值密度評價結(jié)果分析
第七章 結(jié)論與展望
7.1 結(jié)論
7.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
本文編號:3841963
【文章頁數(shù)】:86 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 國外研究現(xiàn)狀
1.2.2 國內(nèi)研究現(xiàn)狀
1.3 目前研究存在的主要問題
1.4 本文主要內(nèi)容
第二章 電力大數(shù)據(jù)的信息價值密度
2.1 電力大數(shù)據(jù)的特征分析、技術(shù)模型及其應(yīng)用
2.1.1 電力大數(shù)據(jù)的特征分析
2.1.2 電力大數(shù)據(jù)的技術(shù)模型
2.1.3 在智能電網(wǎng)中的應(yīng)用
2.2 價值密度定義
2.3 價值密度評價指標(biāo)
2.4 本章小結(jié)
第三章 面向數(shù)據(jù)庫的“臟數(shù)據(jù)”過濾
3.1 基于電力業(yè)務(wù)的數(shù)據(jù)庫過濾
3.2 常見的“臟數(shù)據(jù)”類型及原因
3.3 “臟數(shù)據(jù)”處理方法
3.4 小結(jié)
第四章 基于改進K-MEANS算法的記錄“橫向”過濾
4.1 常見聚類算法比較
4.1.1 層次聚類算法
4.1.2 DBSCAN聚類算法
4.1.3 混合高斯法
4.1.4 K-means算法
4.2 改進K-means聚類算法
4.2.1 改進K-means算法流程
4.2.2 改進K-means算法性能檢驗
4.3 算例分析
4.4 小結(jié)
第五章 基于FP-NETWORK算法的字段“縱向”過濾
5.1 常見關(guān)聯(lián)分析
5.1.1 Apriori算法
5.1.2 FP-growth算法
5.2 FP-network算法
5.2.1 FP-network算法的網(wǎng)絡(luò)圖形式
5.2.2 FP-network算法的矩陣形式
5.2.3 FP-network算法的具體流程
5.2.4 與其他關(guān)聯(lián)規(guī)則算法的比較
5.3 算例分析
5.3.1 實驗環(huán)境和數(shù)據(jù)
5.3.2 算例分析過程
5.3.3 算例分析結(jié)論
5.4 小結(jié)
第六章 實驗仿真
6.1 實驗平臺
6.2 “三層過濾機制”處理過程
6.2.1 面向數(shù)據(jù)庫的“臟數(shù)據(jù)”過濾
6.2.2 基于改進K-means算法的記錄“橫向”過濾
6.2.3 基于FP-network算法的字段“縱向”過濾
6.3 價值密度評價結(jié)果分析
第七章 結(jié)論與展望
7.1 結(jié)論
7.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
本文編號:3841963
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3841963.html
最近更新
教材專著