基于并行化K-means的综合能源服务客户识别

基于并行化K-means的综合能源服务客户识别
随着电力体制改革的不断深入以及大数据技术的发展，传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式，实现不同用户需求的快速响应。针对综合能源服务潜在客户的精准识别问题，文中通过对综合能源服务潜在客户的标签进行分析，基于Spark内存计算平台提出了一种改进的并行化K-means聚类算法。首先，对聚类过程中初始聚类中心的选取和样本影响因素的权值进行改进；其次，基于优化后的权值对客户数据集进行聚类分析，对综合能源服务潜在客户进行识别；最后，采集综合能源服务企业的近期交易数据，在多节点的物理机上进行实验与分析。结果表明改进后的聚类算法更准确。在执行效率上，并发度高的算法执行效率优于单线程的算法具有较好的并行能力。

标题：
基于并行化K-means的综合能源服务客户识别
Implementation of integrated energy service for customer identification based on parallel K-means clustering

作者：
沈子垚，袁晓玲
SHEN Ziyao, YUAN Xiaoling

关键词：
潜在客户识别;大数据;Spark框架;K-means聚类;并行计算
customer identification;big data;spark framework;K-means clustering;parallel computation

2025-1-23 19:44 上传 基于并行化K-means的综合能源服务客户识别.pdf

文件大小:

5.61 MB

下载次数:

60

高速下载