《表5 各算法在不同数据集聚类精度对比》
通过上述实验过程和结果的分析,可以得出距离阈值α在不断增长的情况下,IDPC算法处理数据集得到的聚类效果(本文选择聚类精度指标进行衡量)是呈现先升后降的趋势,并且只需在选取一定范围的距离阈值α进行少量数次实验,进行统计,当出现明显的下降趋势时,即可停止实验,就可以确定出最佳的距离阈值α参数。结合表5可知,只要距离阈值α选取适当,IDPC算法相比其他实验算法处理复杂数据集可以取得更高的聚类精度,而距离阈值α的选取也相对原DPC算法的dc值要相对容易一些,对人的经验依赖性也较小。
图表编号 | XD00134732100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 何云斌、董恒、万静、李松 |
绘制单位 | 哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院、哈尔滨理工大学计算机科学与技术学院、哈尔滨理工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) |