《表2 三个聚类中心：基于k均值与SVM算法的学生综合评价及分类研究》

  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k均值与SVM算法的学生综合评价及分类研究》

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

通过肘方法确定聚类中心个数。由于在开始选择聚类中心个数k时，我们尚不能知道将学生分为几类时分类效果最好，而手肘法是一种利用SSE和K值的关系图确认最优k值的方式，当聚类中心个数k增大时，样本的划分自然变得更加细致，SSE也自然渐渐变小。当k小于聚类的真实情况时，k值的增加会显著的增加每个类的聚合度，此时SSE下降速度较快。而当k值远远大于剧烈的真实情况时，SSE变换会渐渐平缓。根据基于K-means的手肘法自动获取K值方法研究中提到的手肘法实现方法[5]，并结合学校资源和教师能力等因素，最终选择聚类中心个数为k=3，聚类中心如表2所示。