《表5 各算法在不同数据集聚类精度对比》

  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

《基于密度峰值和近邻优化的聚类算法》

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

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。