基于噪声数据集处理的K-means聚类算法实现，本科毕设.zip

# 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。