《表2 K-means方法仿真结果》
层次聚类和划分聚类都不能有效地提供类别数量,因此要选择适当的组[21-22]。目前,关于k最优取值也有部分学者通过机器学习进行研究[23-26],但该机型航材样本容量小,难以提取有效特征,并不适合。基于消耗数据的航材分类,应考虑分类结果的应用性,分组的数量少,备件属性区分不明确;组的数量多,预测模型建立工作量大,实际应用不便。参考Syntetos研究与航材消耗特点[27-28],分别取k=3、k=4进行仿真,使用K-means划分聚类进行100次迭代,聚类结果如表2所示。
图表编号 | XD00112933300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 薛永亮、陈振林 |
绘制单位 | 海军航空大学、海军航空大学 |
更多格式 | 高清、无水印(增值服务) |