Advanced SOM & K Mean Method for Load Curve Clustering
نویسندگان
چکیده
منابع مشابه
Efficient Data Retrieval using Combine Approach of SOM and K-Mean Clustering
Emergence of recent techniques for scientific knowledge collection has resulted in large scale accumulation of information relating various fields. Typical info querying ways are inadequate to extract helpful data from huge knowledge banks. Cluster analysis is one of the key knowledge analysis way and the k-means clustering algorithm is widely used for several data mining applications. The anal...
متن کاملThe Comparison of SOM and K-means for Text Clustering
SOM and k-means are two classical methods for text clustering. In this paper some experiments have been done to compare their performances. The sample data used is 420 articles which come from different topics. K-means method is simple and easy to implement; the structure of SOM is relatively complex, but the clustering results are more visual and easy to comprehend. The comparison results also...
متن کاملA Genetic Algorithm for K-Mean Clustering
A Genetic Algorithm for K-Mean Clustering Varsha Singh Asst. Prof. JSSATE, Noida, Uttar Pradesh, India Prof A K Misra Professor, Deptt of CSE, MNNIT Allahabad, Uttar Pradesh, India _________________________________________________________________________________________ Abstract: Clustering techniques have obtained adequate results when are applied to data mining problems. Clustering is the pro...
متن کاملComparison between Standard K-Mean Clustering and Improved K-Mean Clustering
Clustering in data mining is very important to discover distribution patterns and this importance tends to increase as the amount of data grows. It is one of the main analytical methods in data mining and its method influences its results directly. K-means is a typical clustering algorithm[3]. It mainly consists of two phases i.e. initializing random clusters and to find the nearest neighbour. ...
متن کاملبهبود تحلیل رخساره‌های لرزه‌ای با استفاده از نشانگر WTMMLA و خوشه‌بندی‌های SOM و K-mean
تحلیل رخساره های لرزه‌ای بدون نظارت به‌منظور برآورد کردن خصوصیات مخزن با استفاده از ترکیب نشانگرهای لرزه‌ای در الگوریتم‌های شناسایی الگو، یکی از روش‌های بسیار مهم تفسیری است. بدون توجه به توانمندی روش به‌کاررفته در تحلیل رخساره‌های لرزه‌ای، دسته‌بندی داده‌ها در درون مخزن باید با دقت کامل صورت گیرد. با توجه به پیچیدگی‌های موجود در سامانة مخزن، سطح اطمینان از یک تفسیر، با توجه به دقت داده‌های ل...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: International Journal of Electrical and Computer Engineering (IJECE)
سال: 2018
ISSN: 2088-8708,2088-8708
DOI: 10.11591/ijece.v8i6.pp4829-4835