《表3 故意伤害罪案件聚类分布对比表》

  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

《基于机器学习的司法数据分析及建模研究——以“故意伤害罪”为例》

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

实验中，分别运用K-Means和FCM对预处理后的故意伤害罪案件的刑期进行聚类，并将2种算法的聚类结果进行了对比。在K-Means聚类实验中，设置最大迭代次数为1 000次，类别个数k为5；在FCM聚类实验中，设置最大迭代次数为100次，类别个数c为5，模糊（隶属度）加权指数m依据经验值取为2.0，XB为0.056 5，效果如图4所示，其中横、纵坐标均表示刑期（月数），红色×表示FCM各类聚类中心，5种不同的颜色代表不同的类别。其中，表3是K-Means和FCM刑期聚类分布的平均偏差。由表3易见，对于法律数据，FCM聚类比K-Means聚类有更好的聚类效果，能够为分类器提供更可靠的类别标签。