湖南省自然科学基金(10JJ8008)
- 作品数：41 被引量：355H指数：11
- 相关作者：罗可童小娇周任军孟颖姚丽娟更多>>
- 相关机构：长沙理工大学衡阳师范学院南华大学更多>>
- 发文基金：湖南省自然科学基金国家自然科学基金湖南省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术电气工程理学更多>>
- 一种有效的分类型数据聚类方法被引量：3
- 2011年
- 鉴于传统的K-means聚类算法只限于处理数值型数据,将K-means算法扩展到分类型数据域,提出一种分类型数据聚类方法.根据与每个分类属性的每个值相关的数据分布信息,同时结合数据的纵向与横向分布来评价数据对象与类之间的差异性,定义了一种新的距离度量.该方法能发现同一属性不同值间的内在关系,并能有效地度量对象间的差异性.用UCI中的数据集对所提算法进行验证,实验结果表明了该算法具有较好的聚类效果.
- 罗可洪亮亮童小娇
- 关键词：聚类分析分类型数据
- 基于变异精密搜索的蜂群聚类算法被引量：9
- 2014年
- 针对K-means聚类算法过度依赖初始聚类中心、局部收敛、稳定性差等问题,提出一种基于变异精密搜索的蜂群聚类算法.该算法利用密度和距离初始化蜂群,并根据引领蜂的适应度和密度求解跟随蜂的选择概率P;然后通过变异精密搜索法产生的新解来更新侦查蜂,以避免陷入局部最优;最后结合蜂群与粗糙集来优化K-means.实验结果表明,该算法不仅能有效抑制局部收敛、减少对初始聚类中心的依赖,而且准确率和稳定性均有较大的提高.
- 罗可李莲周博翔
- 关键词：聚类粗糙集人工蜂群变异算子
- 考虑可中断负荷及风电随机性的电网短期经济调度被引量：1
- 2012年
- 文中考虑在短期负荷及风电预测存在偏差的情况下,引入可中断负荷作为一种旋转备用以确保系统的功率平衡。以输电线路传送有功作为电网安全指标,采用CVAR风险理论描绘电网的不确定安全风险,构建了考虑可中断负荷及风电随机性的电力系统短期经济调度模型。在调度总成本中,除了计及常规机组的发电生产费用以外,还考虑了因电力供应不足所造成的需求侧停电补偿费用。最后通过IEEE14节点系统仿真计算,算例结果表明,该模型具有良好的理论意义和实用价值。
- 陈明童小娇蒙万兴
- 关键词：可中断负荷CVAR风电场短期经济调度
- 采用条件风险方法的含风电系统安全经济调度被引量：76
- 2012年
- 针对风电等新能源发电和负荷的随机性,引入条件风险方法,构建了电力系统条件风险调度模型。为了量化随机性因素所引起的不确定性,以电网安全条件风险价值(conditional value-at-risk,CVaR)作为电网安全指标,取代一般调度模型中的安全约束。由于含随机性变量概率密度的函数积分计算困难,因此将电网安全CVaR函数进行变换和离散化处理,并采用蒙特卡罗模拟和解析法相结合的方法进行计算。含风电随机出力的系统算例表明,采用条件风险约束的电力系统安全调度模型可在不同的电网安全CVaR值、不同的置信水平下,获取相应的侧重经济性或安全性的系统最优调度结果。
- 周任军姚龙华童小娇彭莎李斯
- 关键词：风电条件风险价值安全约束经济调度
- 基于改进的简化粒子群聚类算法被引量：7
- 2014年
- 针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简化粒子群聚类算法。通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛于全局最优。再把改进后的粒子群算法与K-means算法相结合,解决Kmeans算法因随机初始聚类中心而导致聚类效果差、不稳定等问题。通过实验分析,该算法的聚类结果准确率更高、收敛速度更快、稳定性更强。
- 熊众望罗可
- 关键词：简化粒子群算法K-MEANS算法
- 基于粒子群的粗糙核聚类算法被引量：4
- 2012年
- 针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并结合粗糙集的思想,通过动态改变上下近似集的权重因子对边界对象进行有效处理,同时采用reliefF方法对样本属性进行加权处理,以解决混合数据的聚类问题,最后利用粒子群算法防止算法陷入局部最优。仿真实验表明,相对于其他改进算法,该算法具有较高的正确率和较短的收敛时间,并进一步验证了该算法的鲁棒性和稳定性,具有一定的实用价值。
- 姚丽娟罗可
- 关键词：聚类核函数粗糙集属性加权
- 基于云计算的ACO-K中心点资源优化算法被引量：2
- 2013年
- 云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。
- 孟颖罗可刘建华姚丽娟
- 关键词：云计算资源分配
- 基于盒式集合鲁棒优化的风电并网最大装机容量被引量：38
- 2011年
- 针对风力发电机组出力的随机性,利用鲁棒优化理论,采用盒式不确定集合表示风速的不确定性,将风速作为随机变量,建立了在一定安全约束条件下的风电场最大装机容量的优化模型。为了便于求解,运用优化对偶理论简化模型,将约束条件中的不确定量转化为确定量形式,模型转化为线性规划模型。IEEE 30节点系统计算和分析表明,不同的并网节点、风速波动范围、风机参数等因素对风电场最大装机容量有明显的影响,盒式集合鲁棒优化的风电场最大装机容量的模型和方法可行、有效、快捷。
- 李斯周任军童小娇彭莎赵邈姚龙华
- 关键词：穿透功率极限风电场鲁棒优化不确定性
- 基于Apriori算法的确定指定精度矩阵聚类方法被引量：2
- 2012年
- 矩阵聚类法是一种对于给定稀疏二值矩阵求其相关指定面积和密集度的方法。在客户关系管理领域里作为一种数据挖掘技术,矩阵聚类法可以将相关客户和信息聚集成簇。在Apriori算法基础上加以改进提出一种新的矩阵聚类算法来获取满足具体指定条件的所有子矩阵。结果表明新算法能够具体细节地对客户的采购信息加以分析。
- 陈立宁罗可
- 关键词：矩阵聚类子矩阵
- 一种改进人工蜂群的K-medoids聚类算法被引量：9
- 2013年
- 针对传统K-medoids聚类算法初始聚类中心选择较敏感、聚类效率和精度较低、全局搜索能力较差以及传统蜂群算法初始蜂群和搜索步长随机选取等缺点,提出了一种基于粒子和最大最小距离法初始化蜂群和随着迭代次数增加动态调整搜索步长的人工蜂群算法,将改进的人工蜂群进一步优化K-medoids,以提高聚类算法的性能。实验结果表明:该算法降低了对噪声的敏感程度,具有较高的效率和准确率,较强的稳定性。
- 李莲罗可周博翔
- 关键词：聚类人工蜂群算法粒计算
