《表3 方法效果对比：基于欠完备自编码器的用户用电行为分类分析方法》

  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

《基于欠完备自编码器的用户用电行为分类分析方法》

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

注:表内结果为文中方法效果提升（或降低）的百分比。

根据参数优选的结果，设置欠完备自编码器的编码比率为0.33，用户典型用电特征集为{日平均负荷，谷电系数，平段用电百分比}，BP神经网络的激活函数为relu函数，隐含层节点数为40，用户用电行为分类结果如图8所示。文中还与BP神经网络、随机森林（random forest，RF）、支持向量机（support vector machine，SVM），以及BP神经网络与欠完备自编码器的组合方法进行对比，实验结果见表2，效果对比见表3。