用户用电情况随着电网技术发展变得更加复杂，同时产生大量用电特征。以往采用基于神经网络挖掘方法和基于CURE算法的挖掘方法受到噪声数据影响，导致挖掘精准度较低，针对该问题，提出基于k-means聚类算法的用户复杂用电特征挖掘方法。在k-means聚类算法中，研究用户复杂用电特征挖掘原理，并对数据进行清洗、集成、规约变换预处理，避免噪声干扰。利用信息熵原则聚类矩阵规整特征点，根据复杂用电特征，通过簇类决策用电特征点，计算聚类簇之间距离，获取用电特征信息增益，完成用户复杂用电特征挖掘。通过实验对比结果可知，该方法挖掘精准度最高为99%，为用户提供更好优质服务。

文中详细地对近邻传播聚类算法的基本理论概念进行了阐释，并通过案例予以验证。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于FCM-GRNN的聚类算法_FCM-GRNN_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

机器学习实战项目——无监督聚类&PCA tSNE降维.zip

kmeans聚类算法原理总结和基本步骤.docx

K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法) K-MEANS(K均值聚类算法,C均值算法)

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

C++编写层次聚类算法，直接运行即可，包含数据资源iris.data,分类结果存放在result文件夹中

基于网格的方法：STING聚类算法 基本思想： 1、 划分网格 2、 使用网格单元内数据的统计信息对数据进行压缩表达 3、 基于这些统计信息判断高密度网格单元 4、 最后将相连的高密度网格单元识别为簇 特点：速度快，因为其速度与数据对象的个数无关，只依赖于数据空间中每个维上单元的个数；参数敏感，无法处理不规则分布的数据，维度灾难等。 *

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：局部模糊_c均值聚类算法_matlab代码 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员