《表2 FCM聚类算法与加权FCM聚类算法性能比较》
采用Iris数据集对加权FCM聚类算法进行检验。Iris数据集是一类多重变量分析的数据集。数据集包含150个数据样本,分为3类,每类50个数据,每个数据包含4个属性。对加权FCM聚类算法的性能进行检验。利用文献[12]中的模糊聚类评价算法计算各项评价指标,聚类结果及评价指标如表2所示。由聚类结果看出,加权FCM聚类算法比FCM聚类算法的正确率要高,且在各项指标上均有所改善,可见加权FCM算法具有更好的聚类质量,验证了加权FCM算法的有效性和准确性。另外,加权FCM算法最终得到一个特征权重向量(0.349 0.772 0.409 2.468),对于新加入的样本,可直接通过特征权重计算其归属的类别,不需要专家咨询等方法确定评价指标的权重,减少了主观因素的影响,提高了工作效率。
图表编号 | XD0012386400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.28 |
作者 | 张加贝、徐云、周崇东、段沛恒、应黎明 |
绘制单位 | 昆明电力交易中心有限责任公司、武汉大学电气工程学院、昆明电力交易中心有限责任公司、昆明电力交易中心有限责任公司、武汉大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |