《表3 使用K-Means得到的聚类中心对应的特征向量》
使用传统K均值聚类算法得到的4个聚类中心和它们分别对应的8个特征向量见表3,使用蚁群优化K均值聚类算法得到的4个聚类中心和它们对应的8个特征向量见表4。表3和表4中“1”是滚动轴正常运行状态的聚类中心,“2”是滚轴滚动体故障的聚类中心,“3”是滚轴内圈故障的聚类中心,“4”是滚轴外圈故障的聚类中心。与表3比较,表4的聚类中心“2、3、4”均有变化。此外,也可通过更加直观的聚类效果图来进行对比,如图9和图10所示。
图表编号 | XD00206683100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.16 |
作者 | 陈湘中、万烂军、李泓洋、李长云 |
绘制单位 | 湖南工业大学计算机学院、湖南工业大学智能感知与网络化控制湖南省高校重点实验室、湖南工业大学计算机学院、湖南工业大学智能感知与网络化控制湖南省高校重点实验室、湖南工业大学计算机学院、湖南工业大学智能感知与网络化控制湖南省高校重点实验室、湖南工业大学计算机学院、湖南工业大学智能感知与网络化控制湖南省高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |