《表3 不同算法在各数据集下的NMI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

《基于k-近邻与局部相似度的稀疏子空间聚类》

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

可以看出，本文提出的k-LS3C算法具有良好的聚类结果，在实验的5个数据集以及3种评价指标上，基本都表现出比k-means、Ncut、CLR＿W、LRR以及SR更优的性能。这主要是因为k-LS3C构造的仿射矩阵更加合理，从整体和局部两个角度综合考虑，能够寻找出数据的潜在结构，得到更好的子空间划分。