《表2 聚类结果Tab.2 Clustering results》
测量出的试验数据由于多种原因,不可避免地会出现一些误差。为了提高模型的精度,需要去掉其中的错误数据。本试验拟采用K平均聚类算法筛选原始数据,设置初始聚类中心为6,聚类结果如表2所示。1、2、3、4、5、6聚类中包括的数据总数分别为22、6、26、1、20、8。可以看出,聚类中心4的数据仅有1个,小于总数据量的1.5%,因此舍弃第4个聚类中心。之后利用欧几里得度量计算聚类中心与数据点之间的距离,经过计算之后,在收集到的数据中最终得到81组有效数据,采用该81组数据建立模型。
图表编号 | XD0051364900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 温沁雪、李奕芯、杨硕、党宁、甘硕儒、李慧莉、陈志强 |
绘制单位 | 哈尔滨工业大学城市水资源与水环境国家重点实验室、中国建筑西南设计研究院有限公司、哈尔滨工业大学城市水资源与水环境国家重点实验室、兰州理工大学土木工程学院、哈尔滨工业大学城市水资源与水环境国家重点实验室、兰州理工大学土木工程学院、哈尔滨工业大学城市水资源与水环境国家重点实验室、兰州理工大学土木工程学院 |
更多格式 | 高清、无水印(增值服务) |