《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》
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:
图表编号 | XD0045019500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 游丽平、陈德旺、陈文、刘林 |
绘制单位 | 福州大学数学与计算机科学学院、福州大学智慧地铁福建省高校重点实验室、福州大学数学与计算机科学学院、福州大学智慧地铁福建省高校重点实验室、福州地铁公司运营分公司、福州地铁公司运营分公司 |
更多格式 | 高清、无水印(增值服务) |