《表3 谱聚类分类结果：基于组合赋权法的高校网络影响力综合评价——以“双一流”高校为例》

  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

《基于组合赋权法的高校网络影响力综合评价——以“双一流”高校为例》

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

在谱聚类算法在执行之前，需要指定输入到数据集中产生的分类个数，即类簇数量，选择合适的类簇数量是很重要的，它影响到了最终分类结果的准确性与合理性。一般通过各个簇内的样本点到所在簇质心的距离平方和（Sum of Squared Error，SSE）来进行判断，SSE越小说明各个类簇越收敛。当然SSE不是越小越好，因为一种极端情况时将所有的样本点视为簇，此时SSE为0，但是这样显然达不到分类的效果，因此需要在类簇数量与SSE之间找一个平衡，肘部法则提供了这样的方法。肘部法则[14]是一种在聚类分析中一致性解释与检验的方法，它将SSE解释为类簇数量的函数。首先，指定一个i值，即可能的最大类簇数，然后将类簇数从1开始递增，一直到i，计算出i个SSE。根据数据的潜在模式，当设定的类簇数不断逼近理想的类簇数时，SSE呈现快速下降态势，而当设定类簇数超过理想类簇数时，SSE也会继续下降，但是下降趋势会迅速趋于缓慢。通过画出K-SSE曲线，找出下降途中的拐点，即可较好的确定K值。图1展示了随着类簇数量增大时SSE的变化，可以看到类簇数量取5时比较合适，因此本文将39所高校的网络影响力数据划分为5类，最终得到的分类结果见表3。