基于邻域关系矩阵的电力大数据增量式属性约简研究

发布时间：2021-08-11 08:28

　　电力大数据具有规模大、生成速度快和动态性等特点,数据之间的邻域关系难以界定,导致运算量增加,因此提出基于邻域关系矩阵的电力大数据增量式属性约简方法。将邻域关系集合转换为邻域关系矩阵,结合排序思想和邻域关系矩阵自身的特性优化单属性邻域关系矩阵,在此基础上设置矩阵启发信息。计算各属性邻域关系矩阵,逐次添加条件属性并对属性相关程度进行计算,结合属性重要程度选择属性放至约简子集合,迭代整个过程,一直到重要程度不再发生变化,实现电力大数据增量式属性约简。实验结果显示,研究方法的约简运算时间短,约简效果更好,更具可靠性。 

【文章来源】：高压电器. 2020,56(08)北大核心CSCD

【文章页数】：7 页

【部分图文】：

实现过程

利用基于邻域关系矩阵的电力大数据增量式属性约简方法以及基于MapReduce框架的约简方法、基于不一致邻域的约简方法对实验数据进行约简操作，在保持处理数据量固定的情况下，验证不同方法的约简运算时间，结果见图2。分析图2可知，与文献方法相比，研究方法的约简运算时间短、效率高，体现出了该方法在处理电力大数据增量式属性约简过程中具有非常强的并行化计算性能。

分析图4可知，采用文献方法对电力大数据增量式属性进行约简后，还存在许多的冗余数据，说明这两种方法的约简效果并不好。而研究方法在对电力大数据增量式属性约简后，虽然还存在一小部分冗余数据，但与文献方法相比，约简效果更好。图4 约简效果比较

【参考文献】：
期刊论文
[1]面向一致性样本的属性约简[J]. 高媛,陈向坚,王平心,杨习贝.  智能系统学报. 2019(06)
[2]一种基于稀疏降维的STAP方法[J]. 胡进峰,李健萍,林涛.  雷达科学与技术. 2019(04)
[3]可区分度与全粒度属性约简[J]. 姚坤,邓大勇,吴越.  模式识别与人工智能. 2019(08)
[4]基于MapReduce的电力大数据增量式属性约简方法[J]. 廖寒逊,滕欢,卢光辉.  电力系统自动化. 2019(15)
[5]区间值决策表的正域增量式属性约简算法[J]. 鲍迪,张楠,童向荣,岳晓冬.  计算机应用. 2019(08)
[6]大数据背景下粗糙集属性约简研究进展[J]. 邬阳阳,汤建国.  计算机工程与应用. 2019(06)
[7]基于聚类算法和粗糙集理论的分布式电源状态约简[J]. 赵晓君,张立梅,杜坤.  电力系统及其自动化学报. 2019(05)
[8]变精度下不完备混合数据的增量式属性约简方法[J]. 王映龙,曾淇,钱文彬,舒文豪,黄锦涛.  计算机应用. 2018(10)
[9]基于相似关系的不完备形式背景属性约简[J]. 李同军,黄家文,吴伟志.  山东大学学报(理学版). 2018(08)
[10]区间集概念格属性约简的组成与结构[J]. 张恩胜.  山东大学学报(理学版). 2018(08)



本文编号：3335837