28、群体协作与活动识别的研究探索

群体协作与活动识别的研究探索

群体协作聚类分析

在群体协作的研究中，采用了 k - means 算法和期望最大化（EM）算法进行聚类分析。具体操作是使用模型规则中指定的 4 个属性，将 k - means 算法运行 10 次，同时 EM 算法也在相同设置（k = 3 个聚类）下运行，得到了与 k - means 相似的结果。

聚类完成后，对每个聚类中协作、非协作或适度协作块的存在情况进行了比较，结果将聚类 0 定义为协作块较多的组，聚类 1 为中等协作块组，聚类 2 为非协作块组。两种算法的正确分组百分比约为 60%，这表明这些聚类并非优秀的分类器，但此次研究的目的并非进行分类。

Attribute	Clusters running 10 times k means			Clusters running EM
	Full data	Cluster - 0	Cluster - 1	Cluster - 2	Full data	Cluster - 0
Ptalk	28.668	32.524 (h) <