基于电力营销聚类分析的数据挖掘算法研究

作者：臧玉魏; 谢连科; 张永; 张国英; 吴健; 白晓春

来源：信息技术, 2020, 44(04): 56-64.

DOI：10.13274/j.cnki.hdzj.2020.04.012

• 数据挖掘算法
• 聚类分析法
• 相异度矩阵
• 属性结构
• 决策树

为提高数据挖掘算法的挖掘速度,同时提高其精准度,提出基于电力营销聚类分析数据挖掘算法研究。首先运用聚类算法筛选数据,再计算数据结构和相异度矩阵相异度,得出最接近的类距离。完成上述步骤后,在聚类分析框架下,设计聚类分析数据挖掘算法流程。先输入数据,再设计数据挖掘算法基本策略,最后提出SLIO算法处理离散字段,得到有价值的数据信息。由此,完成基于电力营销聚类分析的数据挖掘算法设计。实验结果表明,与基于支持度-置信度-提升度的配网自动化系统数据挖掘算法和基于神经网络和粒子群优化的数据挖掘算法相比,文中基于电力营销聚类分析的数据挖掘算法的挖掘速度稳定,挖掘效果更好。同时测试精准度较高,可有效提高数据挖掘的可信度。

• 单位
  国网陕西省电力公司电力科学研究院; 国网山东省电力公司电力科学研究院