《表3 本文算法下聚类前、后的簇》

  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》

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

从表2中可以看出，本文所提算法的FM与AR指标评价结果均要优于K-means算法、FCM算法、层次聚类算法与SOM算法，并且指标值均几乎接近于1；本文算法下的SSE指标值均大于其他4种对比算法，但同时注意到，本文算法下的类内方差实际上更接近于标准数据的结果，而且标准数据的类内方差也均大于其他4种对比算法。由此可见，虽然采用K-means、FCM、层次聚类及SOM算法取得了更小的类内方差，但实际聚类效果却不如本文算法。为了直观地体现本文所提算法在该标准数据集上的分类效果，本文给出了算法聚类前、后簇的相同元素数目表，如表3所示。