《表2 不同算法聚类准确率比较》

  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

《自适应快速搜索密度峰值聚类算法》

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

本实验将通过UCI标准数据集的聚类实验比较了不同算法的聚类准确率。表1给出了Iris和Wine数据集的特征指标，表2比较了两种算法的聚类准确率，表3给出了两个改进对聚类准确率的影响。由表2可以看出，在Iris和Wine数据集上本文算法的聚类准确率高于per=1%和per=2%的CFSFDP算法。由表3可以看出，自动确定聚类中心能够准确地得到聚类中心，克服了需要人工确定聚类中心的不足，但无法增加聚类准确度。而利用局部密度信息熵确定截断参数dc能够提高聚类准确率。