摘要： ：随着电力用户数据复杂程度不断增大，为了改善人工处理海量复杂文本数据的低 效方式，以及解决现有聚类方法存在的寻优能力差、紧凑性不足的问题，提出一种联合知识图谱 （ｋｎｏｗｌｅｄｇｅｇｒａｐｈ，ＫＧ）与改进高斯混合模型的聚类方法，利用 ＫＧ将复杂的文本拆解成相关的 知识元结构，并利用知识库对所需内容进行提取，规范高斯混合聚类模型所需要的输入数据，通 过期望最大化 （ｅｘｐｅｃｔａｔｉｏｎｍａｘｉｍｉｚａｔｉｏｎ，ＥＭ）迭代出良好的聚类结果，进而挖掘大量用户数据 中的潜在信息。案例分析表明：与 ＫＭｅａｎｓ和层次聚类等典型聚类方法相比，所提方法具有更 好的聚类结果、分类效果和全局寻优性能，验证了所提方法的可行性和有效性。

关键词: 智能电网；电力用户；知识图谱；期望最大化；高斯混合聚类

中图分类号: 

• TM73