5、空间聚类算法与伊斯兰文本语义表示研究

空间聚类算法与伊斯兰文本语义表示研究

1. 空间聚类算法研究

1.1 动态与静态 K-means 对比测试

为了比较动态 K-means（K-meansdDyn1 和 K-meansdDyn2）与静态 K-means 的性能，进行了多项测试。所有测试版本的 K-means 迭代次数均设为 100。由于这是无监督基准测试，为比较三种 K-means 版本的结果，对基准的非空间属性执行经典 K-means（k = 3），以更好地可视化对象分布及其含义。此外，对空间属性执行 K-meansdDyn2（α = 0），得到区域划分结果。
|颜色|区域含义（图 2）|区域含义（图 3）|
| ---- | ---- | ---- |
|蓝色|北部地区|富裕社区|
|黄色|中部地区|中产阶级社区|
|红色|南部地区|贫困社区|

1.2 K-means 不同版本比较

对 K-meansstatic（KNN 邻居数为 2 和 4）、K-meansdDyn1 和 K-meansdDyn2（α = β = 0.5）进行可视化测试，K-means 的类别数设为 3。
- KNN 参数对聚类的影响 ：当邻居数为 2 时，有一定数量的对象（红色类和黄色类之间的对象）被归为“贫困社区”簇；当构建平滑矩阵时考虑更多邻居，该数量减少。部分在图 4 中被分类到蓝色簇的对象，在图 5 中被分类到红色簇。
- 不同版本聚类结果比较 ：经典 K-means 和 K-meansstatic（图 5）的分类结果相近，空间属性对聚类的影响不明显。K-mea