《表4 准确率的均值和方差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用类心密度策略的多目标微分自动聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表中各算法得到的ARI测度均值和方差情况，可以看出:与其余三种算法相比，MODEAC-CD算法在UCI数据集四组数据中的三个表现出了最好的聚类效果，在人工数据集long1和AD-5-2上取得了最好的聚类性能。PSIMACD算法E在数据集iris、square4上表现出最好的聚类性能。DEAFC-DO算法在数据集square1上表现出最好的聚类性能。RLCLu算法在人工数据集聚类方面表现出相对不错的聚类性能。此外，笔者可以观察到这四类算法在UCI数据集上得到的ARI值总体效果并不是很好，这也验证了随着数据集特征维数的增多，数据正确聚类的难度也随之增加。表4给出了各算法独立运行20次后，得到的聚类准确率均值和方差。