Applications Of Feature Weighted Fuzzy C-Means Clustering And Genetic Algorithm Optimization For Load Identification In NILM Systems

An improved fuzzy clustering non-invasive load monitoring method based on genetic algorithm for feature weight optimization is proposed. The non-intrusive load monitoring research needs to extract the features of electrical appliance waveform data, which has the problems of large number of features...

Celý popis

Podrobná bibliografie

Vydáno v:	International Conference on Wavelet Analysis and Pattern Recognition (Print) s. 72 - 77
Hlavní autoři:	Li, Peijie, Du, Qintao, Fan, Yiliang, Huang, Yijie, Liang, Xin, Zhang, Weile
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 02.12.2020
Témata:	Clustering algorithms Data mining Feature extraction Feature weight coefficient Filtering algorithms Genetic algorithm Improved fuzzy clustering Manuals Non-intrusive load monitoring Optimization Wavelet analysis
ISSN:	2158-5709
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!