基于SOM-DB-PAM混合聚类算法的电力客户细分.pdfVIP

第 41卷 第 10期 计 算 机 工 程 2015年 10月 Vo1．41 No．10 ComputerEngineering October2O15 · 开发研究与工程应用 · 文章编号：1000．3428(2015)10．0295．07 文献标识码：A 中图分类号：TP391 基于 SOM—DB—PAM 混合聚类算法的电力客户细分 胡晓雪，赵 嵩正，吴 楠 (西北工业大学管理学院，西安 710129) 摘 要：针对电力客户具有客户数量大、存在孤立点等特点，提 出一种适用于对大量 电力客户进行快速聚类的 SOM—DB—PAM混合聚类算法。该算法利用 自组织映射神经网络训练输入数据 ，以获取代表输入模式且数据量远 小于输入数据量的原型向量，使用围绕中心点的切分 (PAM)对该原型向量聚类并用Davies—Bouldin指标判定最优 聚类个数以保证聚类效果。实验结果表明，与传统聚类算法相 比，该算法具有更高的分类正确率，当客户数量较大 时，能实现对客户的快速 、有效聚类 ，并减少人为指定聚类个数 的盲 目性和主观性 。 关键词：电力客户细分；围绕中心点的划分 ；自组织映射 ；混合聚类算法；聚类分析 中文引用格式：胡晓雪，赵嵩正，吴 楠．基于 SOM—DB—PAM混合聚类算法的电力客户细分 [J]．计算机工程 ，2015， 41(10)：295—301，307． 英文引用格式 ：HuXiaoxue，ZhaoSongzheng，WuNan．PowerCustomerSegmentationBasedonSOM—DB—PAM Hybrid ClusteringAlgorithm[J]．EngineeringComputer，2015，41(10)：295—301，307． PowerCustomerSegmentation Basedon SOM —DB-PAM HybridClusteringAlgorithm HU Xiaoxue．ZHAO Songzheng。W U Nan (SchoolofManagement，NorthwesternPolytechnicalUniversity，Xi’all710129，China) 【Abstract】Basedonpowercustomerswhichreachaverylargeamountandthefeatureofpresenceofoutlier，and limitationsofPartitioningAroundMedoid(PAM )algorithm inhandlinglargeamountsofdataandpredefiningthe numberofclusters，anew hybrid clusteringalgorithm called SOM —DB—PAM thatissuitableforfastclusteringoflarge numberofelectricitycustomers。isproposed．Intheproposedalgorithm ，theSelf—OrganizingMap(SOM)neuralnetwork isused to train inputdata to find prototype vectorsthatrepresentspatternsofthe inputdata setbutfarlessthan the numberofit，andtheprototypevectorsareclusteredbythePAM algorithm andtoensurethevalidityofclustering，the Davies—Bouldin(DB)indexiscalculatedforSOM prototypevectorstosolveoptimalnumberofclusters．Experimental resultsshow that，compa