《表2 真实数据集下两种算法性能比较》
本文真实的数据集采用iris、wine和shuttle数据集。iris数据集共3个聚类,分别为“山鸢尾”、“杂色的鸢尾”、“维吉尼亚鸢尾”,将iris数据集中的前两个聚类作为正常点,随机选取第3个聚类中的10个离群点,数据集共110个数据点;wine数据集下随机选取第3个聚类中的15个点作为离群点,共140个数据;Shuttle训练数据集共9个实体属性和一个代表聚类的属性,数据集共包含7个不同的聚类标签,其中3个聚类包含了整体数据集99.6%的数据,将其作为正常数据样本,剩余的0.4%作为离群点,本文取前5000个点作为实验的样本点,共包含1 056个离群点。本文COF算法和DPC算法的实验结果如表2所示。
图表编号 | XD00102872000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 张忠平、邱敬仰、刘丛、朱梦凡、章德斌 |
绘制单位 | 燕山大学信息科学与工程学院、燕山大学河北省计算机虚拟技术与系统集成重点实验室、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院、河北省教育考试院 |
更多格式 | 高清、无水印(增值服务) |