《表1 平均相对误差指标对比》

  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

《基于特征相关面积的海量用户负荷聚类与集成预测》

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

为论证本文所提出聚类评价指标与聚类方法的有效性，图6中对比了本文所提出方法和文献[7]所提出方法的在聚类数均为10～16时的预测准确率分布。其中方法一、方法二分别为基于本文负荷特征指标和聚类方法采用BP神经网络和支持向量机时的预测结果；方法三、方法四分别为基于文献[7]所提出特征指标与聚类方法采用BP神经网络和支持向量机所得结果。方法表1中进一步详细汇总了不同聚类数下的预测指标，可以发现在该聚类数区间范围内，本文所提出方法的预测准确率较文献[7]提升了近0.5%，表明采用本文所提出的聚类评价指标，能更有效的提升预测准确率。