《表2 K-means方法仿真结果》

  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

《基于消耗波动性聚类的航材分类研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。