《表4 特征提取效果对比》
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
《基于改进KPCA和GA-BP神经网络的电能质量稳态指标预测》
(3) 改进KPCA方法特征提取效果评价。将本文改进KPCA算法与传统KPCA算法和PCA算法的特征提取效果相比较,结果见表4。由表4可知,三种方法中累计贡献率达90%所需主成分个数最少的是KPCA算法,特征提取效果优于PCA算法。但从特征提取时间来看,PCA算法耗时最短,这是因为PCA中协方差矩阵的大小仅与输入变量的维数有关,而KPCA中核矩阵的大小与输入变量样本点的个数有关,当样本集较大时,核矩阵运算复杂,耗时久。本文采用改进的K-means算法对KPCA的核矩阵进行优化,通过聚类将原始输入变量进行划分,分别对每类样本集进行KPCA分析,减少了核矩阵的阶数,从而降低了计算复杂度,提高了运算效率。
图表编号 | XD0073743900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.25 |
作者 | 于西西、杨秀、王知芳、张勇、方陈 |
绘制单位 | 上海电力学院电气工程学院、上海电力学院电气工程学院、上海电力学院电气工程学院、国家电网上海电力公司、国家电网上海电力公司 |
更多格式 | 高清、无水印(增值服务) |