《表3 不同维度、数量级样本下各种聚类算法的对比》

  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

《模糊ISODATA算法在城市负荷分类中的应用》

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

（3） 试验3。对比本文算法与传统算法，主要选取层次聚类法、模糊C-均值聚类算法和SOM神经网络法，在不同维度、不同规模的样本数据下对聚类准确性进行考量，结果见表3。不同维度的样本采用试验2中的数据，每隔1h、15min采集数据，形成24维和96维的样本，加取各分项计量的数据形成384维样本集。不同规模的样本分别取自6类负荷3个月、1年、3年的数据，同类负荷建筑个数的选取也由1个增加至8个。每次试验进行10次，结果取其最优值。试验采用CHI指数来衡量聚类算法的有效性。