《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》
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。
图表编号 | XD0030206900 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) |