《表8 K-Means城市分类方法与传统分类方法的估算结果对比》

  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K-Means城市分类算法的夜光遥感电力消费估算》

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

如表8所示，对比本文方法与2.2节中提到的其他分类方法分类后的EPC估算结果。以为评价指标，所有方法中，最优分类方法是按照人口规模进行划分。K-Means城市分类算法的这一性能仅次于最优方法。以RMSE为评价指标，最优分类方法是按照地理分区进行划分。K-Means城市分类算法的这一性能仅次于最优方法和按照人口规模划分时。以估算精度来看，高精度城市占比最高的是K-Means城市分类算法（53.99%）。而从分类前后R变化来看，D>0，即R减小的城市比例最高的是波士顿矩阵-市辖区GDP比例划分方法（61.21%），而K-Means城市分类算法的这一比例（57.80%）仅次于2种基于波士顿矩阵的分类方法。