《表5 在真实数据集上Calinski-Harabasz(CH）指标统计结果》

  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

《局部迭代的快速K-means聚类算法》

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

如表5是通过Calinski-Harabasz（CH）[19]指标对参与比较测试的3种算法进行聚类效果的评估，指标值越大说明聚类效果越好。从实验结果可看出，PIFKM+-算法在Letter-Recognition和Anuran Calls(MFCCs）两个数据集上的聚类效果与K-means和K-means++算法相比，分别平均提高12.5%和9%。这说明对于聚类数量增多的数据集，PIFKM+-算法的聚类性能优于传统的K-means算法。