基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法_第1頁
基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法_第2頁
基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法_第3頁
基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法_第4頁
基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法_第5頁
已閱讀5頁，還剩22頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

基于生成對抗網(wǎng)絡(luò)和改進(jìn)均值漂移聚類的微電網(wǎng)運(yùn)行場景生成方法1.1研究背景1.2研究目的1.3研究意義IMMSC相結(jié)合，利用生成對抗網(wǎng)絡(luò)的優(yōu)勢生成更加真實、豐富的場景1.4國內(nèi)外研究現(xiàn)狀1.5論文結(jié)構(gòu)生成器(Generator)和判別器(Discriminator)。生成器負(fù)責(zé)生成類似過迭代更新聚類中心來優(yōu)化聚類結(jié)果。與傳統(tǒng)的kmeans算法相比，高微電網(wǎng)的整體性能。我們還可以根據(jù)實際情況調(diào)整微電網(wǎng)的規(guī)模、GAN應(yīng)用于微電網(wǎng)運(yùn)行場景的生成任務(wù)。人于2014年提出。生成器的目標(biāo)是生成盡可能真實的數(shù)據(jù)，而判別3.1.1GAN模型構(gòu)建(Generator)和判別器(Discriminator)。生成器負(fù)責(zé)從隨機(jī)噪聲中生3.1.2微電網(wǎng)運(yùn)行場景生成流程3.1.3實驗與分析我們還對所提出的IMBC算法進(jìn)行了詳細(xì)的性能分析。通過對比不同參數(shù)設(shè)置下的聚類效果，我們發(fā)現(xiàn)IMBC在處理高維數(shù)據(jù)時具有3.2改進(jìn)均值漂移聚類方法改進(jìn)均值漂移聚類(ImprovedMeanShiftClusteri據(jù)點i,計算其與所有聚類中心的距離，找到距離最近的聚類中心k,并將i分配到k所代表的類別。然后根據(jù)新的聚類結(jié)果更新聚類據(jù)的聚類預(yù)處理步驟。通過IMC,我們可以將具有相似特征的數(shù)據(jù)點3.2.1MBC模型構(gòu)建3.2.2微電網(wǎng)運(yùn)行場景聚類流程d.終止條件判斷：當(dāng)滿足一定條件(如最大迭代次3.2.3實驗與分析4.1實驗環(huán)境與數(shù)據(jù)集本研究采用的實驗環(huán)境為Python,主要依賴的庫包括GTX1660顯卡的計算機(jī)。為了保證實驗結(jié)果的可靠性和準(zhǔn)確性，我4.2結(jié)果對比與分析4.3結(jié)果可視化5.結(jié)論與展望

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論