《表5 聚类算法分类后高频特征》

  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

《园林历史研究中的量化及分析算法研究——以南京明、清杏花村地块为例》

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

从表4可知，在指定聚类结果为5类的情况下，K-means和Hierarchical并未表现出相较传统方法的明显优势，其中K-means算法的样本覆盖率约为42%，信息复杂度降低为原有的63%，与按园主人身份或植被、建筑要素分类后的结果接近；Hierarchical算法虽然在样本覆盖率有很大优势，达到83%，但分类后的信息矩阵复杂度没有降低。这说明针对原始信息主成分高达19个的矩阵，在分类数较少的情况下，无论哪种算法都难以取得明显优于传统分类方法的结果。随后人工核查聚类结果并总结类型特征，结果见表5（仅记录一致率超过2/3的特征）。