《表1 两种数据集的聚类数目搜索上界和最优聚类数目》
将所有的LBP图按行展开成一维行向量,每个向量作为一个样本,所有的样本构成聚类数据集,通过本文所提出的改进型k-means算法所确定的聚类数目搜索上界kAP和经验估计确定的聚类数目搜索上界ke,以及通过平均Silhouette指标值确定的最优聚类数目如表1所示。在范围[2,kAP]内不同聚类数目对应的平均Silhouette指标值变化情况如图5所示。通过表1可以看出,相比于经验估计,AP算法所确定的聚类数目上界更为准确,这将大大减少算法的执行时间,提高算法的执行效率。同时,也可以发现,通过平均Silhouette指标值确定的最优聚类数目达到了实际类数目的最优无偏估计。
图表编号 | XD00141706900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 高西、胡子牧 |
绘制单位 | 重庆医科大学附属大学城医院、重庆医科大学附属大学城医院 |
更多格式 | 高清、无水印(增值服务) |