《表2 各类负荷的聚类中心矩阵和样本数目》
提示：宽带有限、当前游客访问压缩模式
考虑到居民住宅负荷密度大小跨度较大，因此将其再细分为5类，使用FCM算法将其聚类，每一类的聚类中心以及样本数如表2所示。
| 图表编号 | XD00201478900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.28 |
| 作者 | 邵宇鹰、彭鹏、张秋桥、王冰 |
| 绘制单位 | 国网上海市电力公司、国网上海市电力公司、南京宽塔信息技术有限公司、河海大学能源与电气学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 腹凸上角与腹凸高比的聚类中心和方差分析》2021.02.01
- 《表2 不同数量的聚类数目的SA指标数据》2020.09.10
- 《表2 最佳分类结果下各故障状态的聚类中心和核参数》2020.06.15
- 《表2 五种状态训练样本各自所对应的聚类中心》2020.07.15
- 《表2 各类的聚类中心和样本数》2020.07.20
- 《表8 采用KFCM聚类方法对4种样本的聚类中心进行聚类》2020.04.18
- 《表3 采用KFCM聚类方法对4种样本的聚类中心进行聚类》2020.04.18
- 《表9 采用FCM聚类方法对4种样本的聚类中心进行聚类》2020.04.18
- 《表1 两种数据集的聚类数目搜索上界和最优聚类数目》2020.02.01
- 《表2 测试样本的聚类中心和综合性能值》2020.04.10
- 《表2 年综合全部特征聚类中心及各类样本数》2019.12.28
- 《表3 典型特征聚类中心及各类样本数》2019.12.28
- 《表2 青年教师创业胜任力分层指导模式的聚类中心矩阵》2020.01.25
- 《表3 学生创业胜任力分层指导模式的聚类中心矩阵》2020.01.25
- 《表2 线路末端故障时的聚类中心和隶属度矩阵》2019.12.28
- 《表1 不同故障点下的聚类中心和隶属度矩阵》2019.12.28
- 《表1 数据集：基于样本对加权共协关系矩阵的聚类集成算法》2019.07.30
- 《表1 检验样本K-means聚类中心及各类样本数量》2019.07.01
- 《表6 不同类别数目的聚类效果比较》2019.07.30
- 《表2 五类故障样本各自所对应的聚类中心》2019.06.25