《表1 UCI高维数据集信息》
其中:grid_wide是gridm和gridn相异维的网格宽度。式(10)中,μ0是相似性阈值(一个常数),不同的μ0值将对聚类的精度有一定的影响。为了选取合适的μ0值,本文选取了UCI中三个真实高维数据集进行实验,数据集的详细信息如表1所示。对于不同的μ0值(取值是[0.1,1]),分别运用本文算法对三种数据集进行聚类操作,其对应的F-measure值的变化如图4所示。其中,F-measure值越大,说明聚类效果越好,反之越差。
图表编号 | XD00107240200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 郑诚、曹杨 |
绘制单位 | 安徽大学计算智能与信号处理教育部重点实验室、安徽大学计算机科学与技术学院、安徽大学计算智能与信号处理教育部重点实验室、安徽大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |