《表1 两种数据集的聚类数目搜索上界和最优聚类数目》

  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

《基于改进k-means算法的数字图像聚类》

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

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。