《表5 原始K均值与改进聚类算法的SSE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

《基于改进K均值聚类及其距离修正的睡眠分期方法》

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

本文分别使用传统K均值和本文的改进方法对5名被试的睡眠数据进行睡眠阶段聚类分析，聚类结果的SSE如表5所示。从表5中可以看出，改进的K均值算法的SSE比原始K均值聚类的SSE要小，说明改进的K均值聚类的效果更好，每一类中样本之间的相似性越大。可以得出，在聚类中心更新的过程中，改进的K均值聚类采用高斯核函数作为权重因子来更新聚类中心的方法能够使得聚类效果更加紧密。