針對(duì)模糊C-均值聚類算法(Fuzzy C-Means, FCM)應(yīng)用于日負(fù)荷曲線聚類分析時(shí)存在易受初始聚類中心影響,易收斂于局部最優(yōu)值以及日負(fù)荷曲線的內(nèi)在特性難以通過距離得到充分反映的問題,利用日負(fù)荷特征值指標(biāo)對(duì)日負(fù)荷曲線進(jìn)行數(shù)據(jù)降維處理。提出了基于灰狼算法(GreyWolfOptimizer,GWO)優(yōu)化的模糊C-均值聚類算法(GWO-FCM)。該算法利用GWO為FCM優(yōu)化初始聚類中心,結(jié)合了GWO的全局搜索能力和FCM的局部搜索能力。算例結(jié)果表明所提方法可有效提高日負(fù)荷曲線聚類效果,算法魯棒性好。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1GWO算法位置更新示意圖

?、δ狼更改自身位置，具體表達(dá)式為1()()DCXlXl(11)2()()DCXlXl(12)3()()DCXlXl(13)11()XXlAD(14)22()XXlAD(15)33()XXlAD(16)123X(l1)(XXX)/3(17)式中，X1、X2、X3分別為各狼受α、β....

圖3整體算法流程圖

范?GWO-FCM算法的最佳聚類數(shù)。具體流程描述如下：1)采用3.1節(jié)所述方法對(duì)原始日負(fù)荷曲線數(shù)據(jù)進(jìn)行負(fù)荷數(shù)據(jù)預(yù)處理；2)設(shè)定和最小聚類數(shù)cmin以及最大聚類數(shù)cmax，GWO-FCM相關(guān)參數(shù)；3)執(zhí)行GWO-FCM算法進(jìn)行聚類分析；4)使用輪廓系數(shù)評(píng)價(jià)聚類的有效程度；5)判斷當(dāng)....

圖2GWO-FCM算法流程圖

分析。定義狼群適應(yīng)度方差為22avg11=[()]ziiffzp(20)式中：z為狼群規(guī)模；favg為所有灰狼個(gè)體的平均值。適應(yīng)度方差σ2的大小表征灰狼個(gè)體的收斂程度。當(dāng)σ2的值較小時(shí)，狼群的適應(yīng)度值的離散程度不高，GWO算法趨向收斂，其全局搜索能力開始下降。因此，當(dāng)σ2的值小于....

圖4聚類有效性評(píng)價(jià)指標(biāo)變化趨勢(shì)

0.39870.40160.40240.384270.38140.37930.37840.37680.368480.33410.32690.32580.32150.311690.28760.26320.26580.25740.2381100.22560.21420.21620.2....

本文編號(hào)：3933394