《表3 测试数据集信息：一种非独立同分布下K-means算法的初始中心优化方法》

  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

《一种非独立同分布下K-means算法的初始中心优化方法》

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

在独立同分布下采用传统K-means算法（OR-K），原始M in＿max方法（OR-M M K）以及文献[5-7]中的算法对三个数据集进行聚类测试.在非独立同分布下采用传统K-means算法（CR-K），原始Min＿max方法（CR-MMK），文献[5，19，20]中的方法以及本文算法（CR-DDMMK）对三个数据集进行聚类测试.为提高数据可比性，在进行聚类测试之前，我们对原始数据集T和具有交互关系的数据集Tc的每一列进行归一化，这里采用Z-Score标准化.其中Iris、Parkinsons、Blood数据集的信息特征如表3所示.