《表1 决策表:基于KNE-BPNN的电务设备故障预测》
样例约简是基于K-均值聚类算法进行约简的。首先根据样例集中的数据关系构建设备故障二维决策表MDS,如表1所示,xj表示样例,propi为条件属性,D代表决策属性,其中0表示未发生故障,1表示发生故障) ;其次,指定决策类别数为聚类数目K,并根据决策类别划分数据子集(不包括决策属性)MDSk(k=1,2,…,K),计算每个数据子集的均值,分别作为K个聚类的聚类中心;然后采用K-均值聚类算法调整聚类和聚类中心,并输出K个聚簇;最后计算每个簇中的不同决策类别样例所占的比例,约简比例较少的样例。采用基于K-均值聚类的样例约简算法能够有效地约简样本集中的无关、冗余样例,减少冗余样例对模型预测的影响,提升模型的泛化能力。
图表编号 | XD0067703100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 李晨光、乔帅、杨晓杰、解伟凡、李川子、李俊红 |
绘制单位 | 河北师范大学数学与信息科学学院、河北师范大学数学与信息科学学院、河北师范大学数学与信息科学学院、东南大学信息科学与工程学院、河北师范大学数学与信息科学学院、河北师范大学数学与信息科学学院 |
更多格式 | 高清、无水印(增值服务) |