Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Prediction of Rolling Force Based on a Fusion of Extreme Learning Machine and Self Learning Model of Rolling Force Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

User Behavior Profiles Establishment in Electric Power Industry

verfasst von : Wei Song, Gang Liu, Di Luo, Di Gao

Erschienen in: Advances in Intelligent Systems and Interactive Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The big data of electric power industry contains the information of users’ values, credits, and behavior preferences. On the basis of the data, electric power companies can provide personal services as well as increasing profits. In this paper, we proposed a labeling system based on the clustering algorithms and Gradient Boost Decision Tree (GBDT) algorithm to establish user behavior profiles for State Grid Group of China, including basic information labels, behavior labels, behavior description labels, behavior prediction, and user classification. The experimental results showed that the approach can describe the behavior features of users in the electric power industry effectively.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Prediction of Rolling Force Based on a Fusion of Extreme Learning Machine and Self Learning Model of Rolling Force
Nächstes Kapitel The Optimal Pan for Baking Brownie
Literatur
1.
Huang, W., Xu, S., Wu, J. et al.: The profile construction of the mobile user. J. Mod. Inf. 10 (2016)
2.
Liu, Y.: A Generation Method of Mobile Users’ Tags baesd on Time Features. Dalian University of Technology (2015)
3.
Ali, K., Van Stam, W.: TiVo: making show recommendations using a distributed collaborative filtering architecture// Tenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Seattle, Washington, USA, pp. 394–401 (Aug 2004)
4.
Slimani, H., Faddouli, N.E., Bennani, S., et al.: Models of digital educational resources indexing and dynamic user Profile evolution. Int. J. Emerg. Technol. Learn. 11(1), 26 (2016)CrossRef
5.
Li, Z., Lujun, Z., Weiguo, G.: Application of sparse coding in detection for abnormal electricity consumption behaviors. Power Syst. Technol. 11, 3182–3188 (2015)
6.
Xu, R., Nd, W.D.: Survey of clustering algorithms. IEEE Trans. Neural Netw. 16(3), 645–678 (2005)CrossRef
7.
Chen, X., Li, C., Xiaoxiao, L., et al.: Research on electricity demand forecasting based on ABC-BP neural network. Comput. Meas. Control 22(3), 912–914 (2014)
8.
Kojima, K.: Proceedings of the fifth Berkeley symposium on mathematical statistics and probability. Berkeley Symposium on Mathematical Statistics & Probability (1969)
9.
10.
Deng, X.: Research of O2O E-commerce Recommendation Model on Gradient Boosting Regression Trees. Anhui University of Science & Technology (2016)
11.
12.
Fader, P.S., Hardie, B.G.S.: RFM and CLV: Using Iso-Value Curves for Customer Base Analysis. J. Mark. Res. XLII(4), 415–430 (2005)
Metadaten
Titel
User Behavior Profiles Establishment in Electric Power Industry
verfasst von
Wei Song
Gang Liu
Di Luo
Di Gao
Copyright-Jahr
2018
Buch
Advances in Intelligent Systems and Interactive Applications

Print ISBN: 978-3-319-69095-7

Electronic ISBN: 978-3-319-69096-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-69096-4_2

Premium Partner

    Bildnachweise