《表2 减法聚类初始化表》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于Takagi-Sugeno模糊神经网络的光伏发电功率预测研究》
本文将训练数据导入到设计的预测模型中，并按照研究中设定的参数通过减法聚类方法进行初始化。参数设定详见表2。
| 图表编号 | XD0050507500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.01 |
| 作者 | 文立 |
| 绘制单位 | 湖南理工职业技术学院、湖南省光伏发电系统控制与优化工程实验室 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 初始锚点框聚类结果》2020.11.01
- 《表2 缺陷图像初始聚类中心》2019.09.01
- 《表2 初始指标体系：基于模糊聚类与互信息的电网运营指标类间筛选策略》2020.09.21
- 《表2 初始、最终聚类中心》2020.10.01
- 《表3 等值模型误差指标：基于减法聚类算法的风电场动态等值建模方法》2018.06.30
- 《表2 风电机组聚类结果：基于减法聚类算法的风电场动态等值建模方法》2018.06.30
- 《表3 初始聚类中心（种苗直径）》2020.06.10
- 《表2 2008年、2012年、2014年和2017年初始聚类分析表》2020.04.20
- 《表1 各岩层初始参数表：基于有限元强度折减法的边坡参数反演》2020.08.15
- 《表2 采样点的颜色值：基于优化初始中心的加权K-均值彩色图像聚类算法分析》2020.09.15
- 《表2 系统初始风险：依托风险估测与灵敏度聚类的输电线路逐级运维方法》2020.08.20
- 《表2 初始聚类中心：改进YOLOV3的火灾检测方法》2020.09.01
- 《表3 减法聚类识别结果》2020.02.10
- 《表2 100名学生四科期末成绩初始聚类中心（保留整数）及样例数》2019.10.01
- 《表2 初始聚类中心：风切变时进近管制区域运行安全风险分析》2019.11.01
- 《表2 标记数据聚类后异常情况下随机选取初始聚类中心迭代次数对比表》2019.08.01
- 《表2 不同聚类中心初始化方法对应的Dice相似性系数、误差平方根和平均耗时》2019.07.15
- 《表1 强度折减法初始模型参数Tab.1 Initial model parameters for strength reduction method》2018.12.01
- 《表2:各数据点作为初始聚类中心的SSE》2018.06.01
- 《表2 同比、环比增长率、信用得分、用电量初始聚类中心》2018.01.20