《表3 3种聚类算法的聚类结果对比》

  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

《基于离散小波变换和模糊K-modes的负荷聚类算法》

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

从图11中可以看出，K-means算法得到的负荷模板仅能表达原始曲线的1个波峰，而层次聚类算法得到的负荷模板表现为1个较为平稳的持续单波峰，两者都无法完整还原原始曲线的形态信息；而本文算法得到的负荷模板不仅可以表达原始曲线具有2个波峰这一特征，而且双峰的起止时间都较为接近原始负荷曲线，表现了很高的趋势一致性。为了更准确地衡量两者的差异，本文引入在相关领域广泛使用的评价指标，即平均绝对百分比误差（MAPE）、波峰时间差（PTE）、最大值误差（MME）[20-21]，计算结果如表3所示。从表3中可以看出，相较于K-means算法及层次聚类算法，本文算法的MAPE、PTE、MME都相对较小，因此聚类结果的精度更高。与K-mans聚类算法及层次聚类算法相比，本文算法具有更优良的性能。