《表2 3种算法的分类结果对比》

  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

《应用于图书馆书籍分类的熵加权聚类算法》

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

分别利用传统K-均值聚类[13]、传统熵加权聚类[14]和改进的熵加权聚类对图书馆数据集进行分类实验，并在F1-measure指标方面进行比较分析。为了合理有效性，在数据集上对每种算法重复运行10次取平均值。3种算法的分类结果对比如表2所示。可以看出，改进的熵加权算法在F1-measure指标的性能统计明显优于传统K-均值聚类和传统熵加权聚类，表现出更佳的准确度。同时迭代次数也有所降低，稳定性较好。