《表2 实验数据集描述：一种融合三支决策理论的改进K-means算法》

  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

《一种融合三支决策理论的改进K-means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

本文的实验采用Java语言编写，具体的实验环境如表1所示．为了验证本文提出的TK-means算法的性能，仿真实验共选择了12个数据集，其中6个模拟数据集:400-4k2、Aggregation、D9、Pathbased、R15和Unbalance，6个UCI机器学习库中的真实数据集:Iris、seeds、tae、bupa、mammographic和newthyroid．表2展示这些数据集的详细信息，其中参数Effect为区分核心区域和边缘区域的参数．真实数据集均为高维度的数据集，需要通过降维处理才能在低维度空间中展示．本文采用T-SNE方法对高纬度数据集进行降维处理[17]．图1和图2分别是模拟数据集和降维后的真实数据集的空间分布图．