基于改进K-means的电力企业营销数据异常校核设计

作     者：徐景龙 杨小龙 马超 吴佐平 李静 

作者机构：北京中电普华信息技术有限公司北京102200 

出 版 物：《中国新技术新产品》 (New Technology & New Products of China)

年 卷 期：2025年第4期

页      码：40-42页

摘      要：针对电力企业营销异常数据自动校核的效率问题,本文提出一种基于改进K-means算法的设计方案。通过优化K-means算法,采用自然最近邻搜索和相对密度度量,解决了低密度区域簇识别难题,对异常数据进行精确聚类。同时,本设计方案关注数据的一致性、唯一性和完整性,保证了数据质量。试验结果表明,与传统K-means自动校核方法相比,本方案显著缩短了校核时间,提高了自动校核效率。以Flame、Pathbased等多个数据集为例,校核时间最多缩短了近一半,有效提高了电力企业营销异常数据自动校核的实时性和准确性,为电力企业提供了更高效、可靠的自动校核支持。

主 题 词：K-means 异常数据 自动校核 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.13612/j.cnki.cntp.2025.04.039

馆 藏 号：203157617...