Implementation-of-K-means-clustering-Algorithm-Based-on-Noise-Data-Set 1、对于UCI 数据集:Mice Protein Expression Data Set进行无噪声处理和进行噪声处理,对这两个数据集,分别进行K-means聚类算法进行实验; 2、调用四种聚类性能评价指标:分别是Adjusted Rand index、Mutual Information based scores、Homogeneity, completeness and V-measure、Silhouette Coefficient; 3、实验结论:除了轮廓系数(Silhouette Coefficient)在去躁后效果低于去躁前,其余聚类评价指标均有提升,并且在建模时间上也有明显提升,因此,可以知道,噪声数据对聚类结果影响很大。 执行:code中四个文件,按顺序依次执行即可,数据集存放在当前文件路径。 缺点:因为是本科毕设,所以去躁可应用性很弱。