《表1 聚类数K对应K个中心点》
提示：宽带有限、当前游客访问压缩模式
每次聚类后聚类的中心像素点如表1所示。每次聚类后的中心点差值不明显，自K=5时，5个中心点与之后分类数差值范围较小，中心点处的像素值基本达到稳定。
| 图表编号 | XD00101477600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 李若熙、赵一秾、曹语含、陈小静、张学东 |
| 绘制单位 | 辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院、辽宁科技大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 使用ACO-K-Means得到的聚类中心对应的特征向量》2020.11.16
- 《表3 使用K-Means得到的聚类中心对应的特征向量》2020.11.16
- 《表3 聚类数目K与CH系数对应表》2018.12.28
- 《表1 办案时间耗费：基于K-means算法的最佳聚类数研究》2020.12.20
- 《表1 不同K值聚类中心点坐标》2020.05.30
- 《表2 不同聚类数c对应的有效函数值》2020.03.28
- 《表1 聚类数k的确定实验》2020.08.15
- 《表1 实验结果对比：基于改进K中心点的语音分组识别算法》2020.05.20
- 《表1 聚类数与轮廓系数的对应值》2020.03.01
- 《表2 移除孤立点后聚类数与轮廓系数的对应值》2020.03.01
- 《表3 不同主题数下各聚类数K对应的类内类间距离比值》2020.02.10
- 《表8 不同聚类数k下的模块聚类结果》2020.04.10
- 《表2 k值与聚类结果总轮廓系数对应情况》2019.12.15
- 《表2 聚类数K对应类数的概率，》2019.08.01
- 《表1 实验数据描述：基于优化初始聚类中心的K中心点算法》2019.04.01
- 《表5 F值比较：基于优化初始聚类中心的K中心点算法》2019.04.01
- 《表2 当SURF阈值为1800时不同聚类数K值对应的检测结果Tab.2 Detection result of K value when SURF threshold is set as 1800》2019.01.10
- 《表6 当SURF阈值=1900、BoW模型聚类数K=120时不同惩罚系数C对应的结果Tab.6 Detection result of C, SURF threshold=1900 and K=120 (number of clusters》2019.01.10
- 《表4 当SURF阈值为2000时不同聚类数K值对应的检测结果Tab.4 Detection result of K value when SURF threshold is set as 2000》2019.01.10
- 《表3 当SURF阈值为1900时不同聚类数K值对应的检测结果Tab.3 Detection result of K value when SURF threshold is set as 1900》2019.01.10