陈丽
- 作品数：3 被引量：23H指数：2
- 供职机构：广东青年职业学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术经济管理更多>>
- 基于用户浏览行为的兴趣识别管理模型被引量：19
- 2018年
- 【目的】了解用户在线购物中的兴趣需求变化有利于个性化推荐。本文提出结合用户浏览行为分析的隐式动态兴趣识别和管理模型。【方法】通过三阶段实验构造用户点击流数据,以天猫和淘宝网页功能键为数据粒度对页面分类,再采用Bisecting K-means聚类算法进行兴趣状态挖掘,最后总结归纳兴趣与行为的特征映射。【结果】用户隐式兴趣存在4种状态:关注、理解信息、态度和购买意图,在态度和购买意图状态下,更倾向于产生购买;在不同状态的浏览路径特征有所差异。【局限】未添加网页广告促销等非结构化数据进行分析。【结论】从实时动态兴趣的角度,对购物决策中兴趣的状态进行验证挖掘,拓展动态兴趣研究;为电商网站管理用户行为提供了一个实现动态个性化推荐的视角。
- 刘洪伟高鸿铭陈丽詹明君梁周扬
- 关键词：点击流K-MEANS算法
- 基于数据挖掘的短期电力负荷风险预测分析被引量：2
- 2017年
- 电力负荷风险越来越成为电力生产行业关注的热点,传统的电力负荷风险预测仅仅从单因素测评台区的风险度,缺乏全面和系统性.因此,传统的预测方法,不能准确地预测风险因素造成的电力故障隐患.为解决此问题,从供电局客服数据、机器监测台区记录、天气等多数据源着手,对电力负荷风险进行分析和预测.首先,对数据进行清洗和分类.然后,利用K-Mean聚类筛选出与电力负荷相关性强的因素作为模型的变量.并在此基础上,构建基于贝叶斯判别的台区电力风险预测模型.通过数据实验,该模型能够以99.53%的准确度来预估台区的负荷风险,从而进行有效的电力故障预测判断,为电力企业传送电的风险防范和控制决策提供支持,降低客户的用电故障,提高客户满意度.
- 陈丽曹熙林俊杰高鸿铭刘飞雅李艳艳
- 关键词：数据挖掘电力负荷聚类贝叶斯模型
- 电力故障风险智能分析及预测被引量：2
- 2017年
- 发生电力故障风险高低一直是电网运行的重要评测标准之一。本文采用电力企业多方数据源,清洗、提炼各项影响电网故障风险的相关因素,然后搭建电力故障风险预测智能模型。通过该智能模型,可以知道当某个相关因素发生波动变化,电力故障的风险值将发生何种变化。结果表明,该智能模型的有效性能为电力故障处理提供及时有效的决策支持。
- 陈丽曹熙高鸿铭
- 关键词：电网故障
