Assessing driving behavior influence on fuel efficiency using machine-learning and drive-cycle simulations

qayerdakklasterlar tomonidan berilganC1,C2,⋯,Ck,m(Ci)uchun centroidni bildiradiCiklaster vad(x,m(Ci))markaz va kuzatuv orasidagi masofani hisoblash uchun ishlatiladigan Evklid masofasi funksiyasini ifodalaydi.x. Ushbu masofani hisoblash uchun adabiyotda bir nechta formulalar taklif qilingan bo'lsa-da, bu ishda Evklid masofasidan foydalaniladi. Ob'ektlar va markazlar orasidagi Evklid masofasi quyida keltirilgan tenglama yordamida hisoblanadi:

√̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ _∑n

i
di= (x(_ki)
k=1
– m ²)
(6)

qayerdax1,x2,⋯,xkklasterda to'plangan ob'ektlardirivamiuchun markazni ifodalaydii.

K-means algoritmi k klasterni nazarda tutgan holda bir necha bosqichlarni o'z ichiga oladi:


1-qadam: centroidlarning tasodifiy to'plamini tanlang (C1,C2,⋯,Ck)ma'lumotlar to'plamidan. 2-qadam:Qolgan ob'ektlarni eng yaqin klasterga tayinlang.

3. 
   qadam:Klasterlardagi o'rtacha ob'ektlarni qayta hisoblash orqali klasterlarning markazlarini yangilang.
   
4. 
   bosqich:Ob'ektlarni eng yaqin klasterga qayta tayinlash uchun 3-bosqichda yangilangan centroidlardan foydalaning. 5-bosqich:ni takrorlang3va 4-qadamlar markazlarning joylashuvi o'zgarmaguncha.
   

2. 
   K-medoidlarning klasterlanishi
   

Ma'lumotlar nuqtalari markazlar atrofida to'plangan K-vositalaridan farqli o'laroq, K-medoids algoritmi ob'ektlarni medoidlar deb ataladigan vakili ma'lumotlar nuqtalari atrofida to'playdi (Park va iyun, 2009 yil). K-medoids algoritmi quyidagi xato funksiyasini minimallashtiradi:

_E= ∑^k ∑

Download 2,02 Mb.