《表5 原始K均值与改进聚类算法的SSE对比》
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。
图表编号 | XD00163224900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 于莹、王蓓、马家睿、王行愚 |
绘制单位 | 化工过程先进控制和优化技术教育部重点实验室(华东理工大学)、化工过程先进控制和优化技术教育部重点实验室(华东理工大学)、化工过程先进控制和优化技术教育部重点实验室(华东理工大学)、化工过程先进控制和优化技术教育部重点实验室(华东理工大学) |
更多格式 | 高清、无水印(增值服务) |