《表2 聚类结果：基于聚类与贝叶斯网络的航班离港延误预测模型》
提示：宽带有限、当前游客访问压缩模式
采用K均值聚类方法按照以上步骤对航班实际运行数据进行聚类分析，结果如表2所示．
| 图表编号 | XD00133089600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 李晓霞、吴薇薇、韩东、石钰婷 |
| 绘制单位 | 南京航空航天大学民航学院、南京航空航天大学民航学院、南京航空航天大学民航学院、南京航空航天大学民航学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 预测模型统计分析：基于改进ICEEMDAN的航班延误短期预测研究》2020.08.01
- 《表2 主成分数据：基于PCA-贝叶斯算法的网络舆情预测研究》2020.08.10
- 《表5 各模型预测结果：基于密度峰值聚类及GRNN神经网络的光伏发电功率预测方法》2020.09.28
- 《表1 0 项目结果分析：基于贝叶斯网络的水面蒸发评估模型研究》2021.03.25
- 《表2 卫星轨道参数设定：基于团簇随机连接的CliqueNet航班延误预测模型》2020.08.10
- 《表2 实验结果：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表1 模型参数：基于贝叶斯网络的港口干散货货运风险预测研究》2018.04.01
- 《表2 肿瘤相关AKI贝叶斯网络风险预测模型评价》2020.07.30
- 《表1 变量聚类中心：基于贝叶斯网络对全国PM_(2.5)浓度影响因素分析》2020.08.08
- 《表6 LSTM和贝叶斯网络模型的预测结果》2020.08.20
- 《表1 离港航班延误等级分类》2020.02.01
- 《表1 1 K-means聚类方法结果和贝叶斯判别结果的异同》2020.03.01
- 《表2 时段划分结果：基于聚类与非参数核密度估计的风电功率预测误差分析》2019.12.28
- 《表1 月份划分结果：基于聚类与非参数核密度估计的风电功率预测误差分析》2019.12.28
- 《表3 评测结果：基于聚类与协同过滤的居民用电推荐模型研究》2020.01.25
- 《表1 模型回归预测评估：基于贝叶斯网络的盐化工生产中固液比预测》2019.10.15
- 《表2 预测模型结果比较：基于贝叶斯优化XGBoost的现场校验仪误差预测》2019.09.25
- 《表5 预测结果对比：基于ARIMA模型的机场航班延误预测技术研究》2018.05.25
- 《表1 白噪声检验结果：基于ARIMA模型的机场航班延误预测技术研究》2018.05.25
- 《表4 最小信息量结果：基于ARIMA模型的机场航班延误预测技术研究》2018.05.25