《表1 不同聚类算法的归一化均方误差和偏差角对比》
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
《基于欠定盲源分离理论与深度学习的声音样本集获取与分类方法》
式中:bij和分别为原始矩阵B和混合估计矩阵的第i行和第j列的元素,b和分别为B和对应的列向量,<·,·>为两个列向量的内积。一般来说,NMSE和ang(·,·)的值越小表示该混合矩阵的精度越高,三种聚类算法对比于表1。通过归一化均方误差和偏差角的对比可见,kmeans算法在已知源个数的情况下,NMSE和ang值仍是三种方法中最大的,说明其聚类效果无法达到要求。DPC算法虽然相比于k-means算法的精度有所提升,但是其精度依赖于截断距离dc,可能导致计算时出现偏差。而本文提出的K-DPC聚类算法的ang值均低于2,NMSE值也是三种聚类算法中最小的。由此可知,本文所提的K-DPC算法满足混合矩阵的精度要求。
图表编号 | XD00157766500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.30 |
作者 | 律方成、潘亦睿、郭佳熠、赵晓宇、耿江海 |
绘制单位 | 华北电力大学新能源电力系统国家重点实验室、华北电力大学河北省输变电设备安全防御重点实验室、华北电力大学新能源电力系统国家重点实验室、华北电力大学河北省输变电设备安全防御重点实验室、华北电力大学新能源电力系统国家重点实验室、华北电力大学河北省输变电设备安全防御重点实验室、中国电力科学研究院有限公司、华北电力大学新能源电力系统国家重点实验室、华北电力大学河北省输变电设备安全防御重点实验室 |
更多格式 | 高清、无水印(增值服务) |