《表2 源数据各类别DTW分析结果》
由于得到的各类数据的数据总量并不相同,传统的聚类效果比较算法均难以应用,动态时间规整算法(dynamic time warping,DTW)能够衡量两个序列的相似程度,认为类别间相似度大的聚类效果好。分别计算两两类别生成数据矩阵的欧氏距离,对得到的结果进行分析,判断分割得到的各子序列是否具有高独立性,得到的结果见表2。
图表编号 | XD00206678400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.16 |
作者 | 邓春宇、吴克河、谈元鹏、胡杰 |
绘制单位 | 华北电力大学控制与计算机工程学院、中国电力科学研究院有限公司人工智能应用研究所、华北电力大学控制与计算机工程学院、中国电力科学研究院有限公司人工智能应用研究所、华北电力大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |