《表2 七种有效性指标在真实数据集上的最佳聚类数 (m=2)》

  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

《新模糊聚类有效性指标》

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

表2为真实数据集的具体数值信息和各个有效性指标计算得到的最佳聚类数。为了更直观地说明，图6详细地列出了iris和seeds数据集的聚类数—指标关系。实验结果表明，只有新聚类有效性指标可以在以上所有人工数据集和真实数据集下正确判断出最佳聚类，在噪声和重叠数据都表现出了良好的效果。PC、PE、MPC指标缺乏与数据结构的直接联系，因而得到的最佳聚类有效性指标对应的聚类个数与实际情况不符。XB指标当m和c增加到一定程度时，失去可靠性。UV和FM只考虑了紧凑度和分离度，没有考虑重叠度。新指标在一定程度上弥补了以上传统指标的缺点，具有较强的适应性。