《表3 4种算法在Iris数据集上的运行情况》
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LRFAT模型和改进K-means的汽车忠诚客户细分方法》
(1)K-means聚类的准确性易受初始聚类中心的影响,为了验证改进的密度峰值初始聚类中心提取方法的有效性,将K-means、DPC优化的K-means(DP_K-means)、KNN-DPC优化的K-means(KNNDP_K-means)和本文的HKNNDP_K-means作比较。限于篇幅,只给出了4种算法分别在Iris数据集上运行的实验情况(其中DP_K-means、KNNDP_K-means和HKNNDP_K-means的每次提取初始中心的实验参数P分别为0.1,0.2,0.3,0.4,0.5,0.6)。比较了每次实验选取的初始中心、迭代次数、聚类准确率以及运行时间(单位:ms),如表3所示。
图表编号 | XD00119603200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 任春华、孙林夫、吴奇石 |
绘制单位 | 西南交通大学信息科学与技术学院、宜宾学院计算机与信息工程学院、西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、美国新泽西理工学院大数据中心新泽西州 |
更多格式 | 高清、无水印(增值服务) |