《表3 4种算法在Iris数据集上的运行情况》

  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LRFAT模型和改进K-means的汽车忠诚客户细分方法》

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

（1）K-means聚类的准确性易受初始聚类中心的影响，为了验证改进的密度峰值初始聚类中心提取方法的有效性，将K-means、DPC优化的K-means(DP＿K-means）、KNN-DPC优化的K-means(KNNDP＿K-means）和本文的HKNNDP＿K-means作比较。限于篇幅，只给出了4种算法分别在Iris数据集上运行的实验情况（其中DP＿K-means、KNNDP＿K-means和HKNNDP＿K-means的每次提取初始中心的实验参数P分别为0.1，0.2，0.3，0.4，0.5，0.6）。比较了每次实验选取的初始中心、迭代次数、聚类准确率以及运行时间（单位：ms），如表3所示。