《表2 不同算法情况下产生的二叉聚类树和实际情况的相符程度值》

  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

《聚类集成技术在地铁站点类型研究中的应用》

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

首先，使用层次聚类方法来对数据集进行实验得到一个聚类结果.在层次聚类中采用欧式距离作为数据相似度的度量；在对两个类进行合并时，计算类与类之间距离的算法有多种，通过实验，对不同时间数据集不同算法情况下产生的二叉聚类树和实际情况的相符程度进行计算，结果如表2所示，发现在当前数据集情况下未加权平均距离法（average）表现的最优，故本文采用未加权平均距离法，也就是AL（averagelinkage）层次聚类.其次，选用的是K-means聚类算法，它通过迭代算法，逐次更新各类的中心值，直至得到最好的聚类结果，即实现目标函数的最小化，其目标函数定义如公式（3）所示: