《表2 非空间k均值聚类与空间k均值聚类的GVF比较》
从图3中可以看到,有9个指标支持最佳聚类数目为3,6个指标支持聚类数为2,所以该方法推荐的最佳聚类数目为3。为了观察多变量空间聚类的效果,先将k=3的k均值算法应用于普通属性的PAT、NPO、ERD、HRD变量,再将k=3的k均值算法应用于经过局部moran指数转化的PAT、NPO、ERD、HRD。然后用方差拟合优度(GVF)测度它们的聚类效果,并对两次产生的聚类结果进行比较,结果见表2。从表2中可以发现,在考虑了空间要素后,各个类别的聚类观察值的GVF都有所提升,说明空间聚类较好地改善了传统非空间k均值聚类。
图表编号 | XD0040545600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.25 |
作者 | 钮亮、代丽娟 |
绘制单位 | 中国计量大学经济与管理学院、新疆大学科学技术学院阿克苏校区 |
更多格式 | 高清、无水印(增值服务) |