两阶段聚类改进算法及其在电力工程造价与应用.pdfVIP

两阶段聚类改进算法及其在电力工程造价中的应用 两阶段聚类改进算法及其在电力工程造价中的应用 1 1 1 2 2 2 徐焜耀 ，谢兵 ，杨蕴华 ，彭光金 ，曹端 ，孟卫东 （1 重庆市电力公司，重庆，400014 ；2 重庆大学，重庆，400030 ） 摘要：在数据挖掘和知识发现过程中，常常需要解决数 以阻止其他种群最优解的侵入。同时，为了帮助 据聚类的问题。传统聚类算法如K均值算法和C均值模糊 位于其他种群最优解领域范围的粒子更高效快 聚类算法存在初始点的选择对聚类结果影响很大以及容 速地离开，引入排斥速度的概念。将此算法用于 易陷入局部极值形成错误分类的缺点。在对标准粒子群 电力工程造价决策中作实际分析。在电力工程造 算法进行改进的基础上，本文提出一种两阶段聚类改进 价中，特别是在电力输配电工程中，为搜集大量 算法，首先引入种群领域和排斥速度的概念，对粒子群 的历史工程，往往将属性值差别大的工程涉入其 算法进行改进，提高粒子群寻优效率；然后将改进算法 中。这就出现了工程数据差别大，寻优得到的最 应用于数据两阶段聚类：第一阶段找到最佳聚类数量和 优工程不具有代表性的困难。因此，可以将其视 各类中心，第二阶段根据最邻近距离法则确定其余数据 为多峰函数问题，故应用改进PSO 算法对其进行 的所属类别。将该算法应用于电力造价数据的仿真表明 分类处理。 ，该算法可以自动找到电力造价数据最佳分类数量，具 有对数据分类速度快、精度高等优点，可显著提高电力 1 基本PSO 算法介绍 造价估算的准确性。 Kennedy 和Eberhart 于 1995 年提出的PSO 关键词：粒子群算法；聚类算法；电力造价；造价估算 算法采用公式(1)和(2)对粒子速度和位置进行更 新操作。     0 引言 vid t 1  vid t  c1  r 1 p id (t)  z id (t)  （1） c 2  r 2 p gd (t)  z id (t)  粒子群算法（Particle Swarm Optimization ，  （2 ） z id z id vid PSO ）是一种模拟鸟群觅食行为而设计的群体智 其中，vid t 1 表示第 i 个粒子在 t+1 次迭代 ［］ 1 能优化算法 。由于其简单、稳定且易于理解， 中第 d 维上的速度，学习因子 和 是非负常 c1 c 2 近些年来，粒子群算法在系统优化、数据处理和 数。 和 是介于0 和1 的随机数。 聚类分析等领域得到了广泛的应用。但传统的 r 1 r 2 文献[3]对(1)式中的 进行改进，见式(3) 。 P