《表1 初始聚类中心准确性对比》

  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

《融合密度峰值和空间邻域信息的FCM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

以选择的初始聚类中心到IRIS数据集的真实中心的距离作为度量指标分析选择中心点的优劣，即E=‖C'-C‖，其中C'表示初始的聚类的中心，C表示IRIS数据集的真实中心。密度峰值优化的初始聚类中心算法与FCM随机选择初始聚类中心各运行30次，求得指标值E的均值，如表1所示。从表1中可以看出，密度峰值优化的初始聚类中心更接近IRIS数据集的真实中心，这说明优化后的初始聚类中心求取方法克服了噪声点和簇边界样本点的不利影响，为后续的聚类奠定了良好的基础。