15、智能非侵入式设备识别技术解析

智能非侵入式设备识别技术解析

1. 聚类算法实验分析

在非侵入式设备识别中，对快速全局k - 均值算法（FGKM）和DBSCAN算法的性能进行了分析。实验基于COOLL数据集，提取了9种电器的19个特征量，并通过PCA方法进行融合，然后使用两种聚类方法对电器样本进行识别，最后实现聚类性能评估。为了验证FGKM和DBSCAN在负载识别中的优越性，还测试了最基本的聚类方法k - 均值。

• DBSCAN参数优化

  • 对DBSCAN算法在不同ε值下的聚类有效性指标进行了研究，结果如下表所示：
    | Model | MinPts | ε | Clusters | Purity | Entropy | NMI | RI |
    | — | — | — | — | — | — | — | — |
    | DBSCAN | 5 | 0.01 | 28 | 0.3333 | 3.2973 | 0.7227 | 0.9074 |
    | DBSCAN | 5 | 0.05 | 19 | 0.5983 | 2.5557 | 0.7682 | 0.8773 |
    | DBSCAN | 5 | 0.10 | 13 | 0.6983 | 1.8277 | 0.6306 | 0.7305 |
    | DBSCAN | 5 | 0.15 | 9 | 0.7667 | 1.3182 | 0.5063 | 0.5948 |
    | DBSCAN | 5 | 0.20 | 9 | 0.7667 | 1.3182 | 0.4978 | 0.5903 |
    | DBSCAN | 5 |