摘要: 首先对传统的K-means算法进行改进，在采用K-means算法进行聚类前，先通过AP聚类完成初始聚类中心的筛选，从而提高K-means算法的聚类效率；其次针对海量的电力数据问题，提出海量数据挖掘架构，并引入FH多模态融合技术实现用户多表情的采集；最后以某地区100户电力客户的用电行为数据进行聚类。结果表明，经过改进聚类的到8类聚类中心，并依据聚类将这8类分为不同特征的大用户。通过聚类划分，有效展示了电力客户的特征，为电力企业的差异化服务提供了有力参考。