《表2 五组UCI不平衡数据集聚类结果》

  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

《基于数据挖掘的建筑能耗异常检测研究》

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

%

MP算法中，参数N（N>c）为ICCM生成的子簇个数，可根据用户的具体需求设置，在本实验中，默认N=6，复合类阈值取ε=0.2，再划分参数χ=0.2。FCM和GK算法中模糊指数m=2；CCM中距离权重γ分别设置为γ=0.5，1.0，2.0，且tc=2。实验采用错误率和不精确率两个评价指标对算法性能进行评价，其中Ne表示被错误划分的样本数，Nij表示被划分到复合类的样本数（j表示构成复合类的最大单类个数，本实验中j=2），NT表示不平衡数据集中的样本总数。除利用以上两个指标来评价算法有效性外，实验还对各算法的运行时间T（单位：s）进行了比较，参数T在一定程度能反映算法的计算复杂度。为了便于标注，记复合类ωi，…，jωi∪…ωj。实验所用平台为惠普笔记本电脑，软硬件参数如下：CPU为英特尔i5-8300H，软件版本为Matlab 2016b。四种聚类算法对五组UCI数据集进行聚类的结果分别如表2所示。