《表1 实验数据集的描述:一种面向不完备信息系统的集对k-means聚类算法》

《表1 实验数据集的描述:一种面向不完备信息系统的集对k-means聚类算法》   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
《一种面向不完备信息系统的集对k-means聚类算法》


  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

聚类的评价,又被称为聚类有效性,是评估学习方法在聚类方面表现的关键过程,度量方法将影响到几种聚类方法的性能比较。为了验证本文算法的性能,选取了UCI中的6个数据集Iris,Wine,Seeds,Liver disorders,Wave form以及Page blocks,表1给出了这些数据集的大小、属性个数和类簇个数。