《表2 聚类效果对比表：广义回归神经网络在空间数据聚类中的应用》
提示：宽带有限、当前游客访问压缩模式
参数设置时将2种聚类算法的聚类数均设为5。得到GRNN-FCM和FCM的聚类结果如图4、图5所示，为了对比2种聚类方法的效果计算得表1、表2。
| 图表编号 | XD00129837000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.20 |
| 作者 | 卢建青、陈银珠、刘玉珠、张锦 |
| 绘制单位 | 浙江省测绘大队、浙江省测绘大队、浙江省测绘大队、中国地质大学地理与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 第二组实验结果：基于K-Means改进的算法在客户聚类中的应用》2020.09.01
- 《表5 第一组实验结果：基于K-Means改进的算法在客户聚类中的应用》2020.09.01
- 《表2 每个聚类中的个案数量》2020.12.28
- 《表5 社交网络数据集：密度聚类在社区发现中的应用研究》2020.11.01
- 《表4 真实网络数据集：密度聚类在社区发现中的应用研究》2020.11.01
- 《表1 聚类原理对比：密度聚类在社区发现中的应用研究》2020.11.01
- 《表3 三类专利的聚类中心及其在聚类中的方差分析结果》2021.02.10
- 《表2 各阶段聚类中的高被引文献》2020.05.25
- 《表2 各阶段聚类中的高被引文献》2020.05.25
- 《表6：聚类中的个案数量表》2020.03.20
- 《表2 各聚类中的个案数量》2020.06.01
- 《表1 聚类结果表：广义回归神经网络在空间数据聚类中的应用》2020.04.20
- 《表1 岩石电阻率参数：顾及梯度的高斯混合模型在三维属性场空间聚类中的应用》2019.09.01
- 《表1 聚类方法对比：聚类分析及其在电力系统中的应用综述》2019.06.10
- 《表2 聚类分析模型：大数据分析在移动通信网络优化中的应用研究》2019.02.10
- 《表7 各聚类中的案例数》2019.05.08
- 《表A1电器状态聚类结果：深度神经网络在非侵入式负荷分解中的应用》2019.01.10
- 《表8 聚类中的个案：基于传统保健体育特色在高职医学教学实践的研究——以广西中医药大学为例》2019.10.01
- 《表1 文献及相关数据：知识群落在文献资源动态主题聚类中的有效性》2019.11.30
- 《表5 知识群落数量对比：知识群落在文献资源动态主题聚类中的有效性》2019.11.30