《表3 锅炉样本数据聚类结果》
提示：宽带有限、当前游客访问压缩模式
根据以上方法对锅炉样本数据进行聚类，聚类结果见表3，可以看到只需要对序号为1、3、5的样本进行重新采样。重新采样后总的样本数据为2568组，约占总数据量的29.72%。
| 图表编号 | XD00122858400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.16 |
| 作者 | 陈琪、续欣莹、谢珺、付文华 |
| 绘制单位 | 太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院、太原理工大学信息与计算机学院、太原理工大学电气与动力工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集样本信息：基于核相关性保持的子空间聚类算法》2020.09.30
- 《表2 三维180个样本点的数据集各聚类算法结果对比》2020.11.15
- 《表1 130 t/h CFB锅炉运行数据聚类中心》2020.05.25
- 《表1 基准数据集：基于样本稳定性的聚类方法》2020.08.20
- 《表3 测试样本评估结果：密度聚类融合小子样统计的观瞄系统状态评估》2020.03.25
- 《表1 数据集样本信息：联合低秩稀疏的多核子空间聚类算法》2020.06.10
- 《表2 聚类结果：房地产企业经营风险的影响因素及识别方法研究——来自样本企业的微观数据》2020.06.15
- 《表3 样本众创空间聚类结果》2020.02.20
- 《表3 改进的k-means聚类的风电功率样本聚类结果》2020.02.20
- 《表4 样本分成3类的聚类结果》2019.06.01
- 《表1 样本集：大数据环境下基于狼群优化的聚类算法分析与研究》2019.09.01
- 《表1 数据集：基于样本对加权共协关系矩阵的聚类集成算法》2019.07.30
- 《表3 聚类数据样本：移动用户维系挽留系统中K-means算法应用》2019.02.06
- 《表2 聚类数据学习样本》2019.02.06
- 《表3 聚类数据包含的样本数和对应的剩余可用时间》2019.04.25
- 《表1 样本数据集：基于K-means聚类算法优化方法的研究》2019.01.25
- 《表2 聚类边坡样本数据：基于FAHP和K-Means聚类的边坡稳定性模型》2019.01.01
- 《表1 各算法对应的数据集1聚类正确的样本个数》2019.11.20
- 《表3 各算法对应的数据集3聚类正确的样本个数》2019.11.20
- 《表2 各算法对应的数据集2聚类正确的样本个数》2019.11.20