《表2 标准数据测试结果:改进谱聚类与遗传算法相结合的电力时序曲线聚类方法》
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
《改进谱聚类与遗传算法相结合的电力时序曲线聚类方法》
从附录中图A1可以看出,这6类标准时间序列曲线具有很明显的区分度,下文将采用本文所提算法与K-means算法、FCM算法、层次聚类算法及基于自组织映射SOM(Self-Organizing Maps)神经网络的聚类算法(下文简称SOM算法)对该标准数据集分别进行聚类测试,并结合FM指标、AR指标及SSE指标对各自聚类结果分别进行评估。此外,本文也针对标准时间序列集计算上述指标值,以作为衡量标准。为了避免偶然性,对上述算法均重复做多次测试,并选取其中最好的结果,如表2所示。
图表编号 | XD0030206700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 丁明、黄冯、邹佳芯、刘金山、宋晓皖 |
绘制单位 | 合肥工业大学安徽省新能源利用与节能重点实验室、合肥工业大学安徽省新能源利用与节能重点实验室、国网青海省电力公司电力科学研究院青海省光伏发电并网技术重点实验室、国网青海省电力公司电力科学研究院青海省光伏发电并网技术重点实验室、合肥工业大学安徽省新能源利用与节能重点实验室 |
更多格式 | 高清、无水印(增值服务) |