《表2 非空间k均值聚类与空间k均值聚类的GVF比较》

  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

《中国省域高技术产业多元空间聚类》

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。