《表4 准确率的均值和方差》
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。
图表编号 | XD00107228800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 申晓宁、孙毅、薛云勇、孙帅 |
绘制单位 | 南京信息工程大学自动化学院江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室、南京信息工程大学自动化学院江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室、南京信息工程大学自动化学院江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室、南京信息工程大学自动化学院江苏省大气环境与装备技术协同创新中心、南京信息工程大学自动化学院江苏省大数据分析技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |