《表1 概率计算统计：基于改进K-Means聚类算法的互联网涉烟违法犯罪区域划分研究》

  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

《基于改进K-Means聚类算法的互联网涉烟违法犯罪区域划分研究》

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

从表1可以得知，下一个聚类中心点落在1～4点的概率区间为[0，0.391 304]（例如其分别落在点1、点2的概率为[0，0.086 957][0.086 957，0.228 261]），落在5～8点的概率区间为[0.402 174，0.434 783]，落在9～12点的概率区间为[0.521 739，1]。也就是说，选到前4个点和后4个点的概率总和非常接近1，而这也是人们希望看到的，体现了质心相互离得越远越好。此时，只要随机生成一个0～1之间的数（如matlab中的rand函数），就能确定好下一个质心（离当前已有质心较远的点有更大的概率被选为下一个质心）。以此类推，当k个初始质心选好之后，继续进行经典K-means算法。