《表1 UCI高维数据集信息》

  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

《参数自适应的网格密度聚类算法》

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

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。