《表1 3种算法对UCI数据集的聚类结果》

  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STA-K均值聚类的电化学废水处理过程离子浓度软测量》

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

为进一步体现本算法的有效性，选取来自UCI机器学习数据库的4个数据集Iris、Wine、CMC和Balance作为测试样本集。其中，Iris共有150个数据，每个数据包含4个属性；Wine数据集共有178个数据，每个数据包含13个属性；CMC数据集共有1473个数据，每个数据包含9个属性；Balance数据集共有625个数据，每个数据包含4个属性。各数据集类别数均为3。实验分别采用K均值算法，传统PSO-K均值算法[30]以及本文算法进行对比，分析几种算法在迭代过程中的均值以及标准方差等指标。设置最大迭代次数为1000，试验种群为10。为了排除算法内部随机操作对分类性能的影响，以30次重复试验的统计结果进行分析。PSO-K均值算法中取wmin=0.4，wmax=0.9，c1=c2=1。本文算法中，STA算法参数αmax=1，αmin=1×10–4，β=1，δ=1，γ=1，fc=2，iter=0。得到的聚类结果如表1所示。