《表1 实验样本：改进的K-means聚类k值选择算法》

  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

《改进的K-means聚类k值选择算法》

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1，Iris数据集合包含150个数据对象，任一对象包含4个属性，包含3种不同的类别标签，每个标签对应50个样本对象[18]；dataR2数据集合包含117个数据对象，任一对象包含9个属性，包含2种不同标签，分别对应52、65个数据对象；wine数据集包含对象178个，3类别标签分别对应59、71和48个样本对象；Immunotherapy数据集包含90个数据对象，每个数据对象包含7个属性，共2类，分别对应19、71个数据对象。选择传统的“手肘法”与本文基于“手肘法”提出的改进算法ET-SSE算法，将其分别应用于具有不同标签数量、不同样本量的dataR2、Iris、Wine和Immunotherapy数据集，测试改进算法的实际运行效果是否优于SSE；并将该改进算法与常用的“事后”判断k值是否最优的算法SSE和轮廓系数法就算法的运行时间、k值选择的准确率两个方面进行对比测试，以说明本文提出的改进算法的有效性。