《表3 Indian Pines数据集上聚类结果》
注:加粗字体表示最优结果。
本文算法与4种对比算法在两个数据集上的ACC和NMI见表3和表4。从表3和表4可以看出,相比于其他对比算法,本文提出的EDFCC算法具有最高的ACC值和NMI值,表明本文方法取得了最好的聚类精度。在Indian Pines数据集上,ED-FCC算法的ACC和NMI相较于LRSC分别提升了0.03和0.01,在Pavia University数据集上EDFCC算法的ACC和NMI相较于LRSC分别提升了0.04和0.02,同时在两个数据集上相较于基于深度聚类的AEKM算法ACC分别提升了0.02和0.03。
图表编号 | XD00141906400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 邱云飞、潘博、张睿、王万里、魏宪 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院、中国科学院海西研究院泉州装备制造研究所、中国科学院海西研究院泉州装备制造研究所、西北工业大学计算机科学学院、中国科学院海西研究院泉州装备制造研究所、辽宁工程技术大学电子与信息工程学院、中国科学院海西研究院泉州装备制造研究所 |
更多格式 | 高清、无水印(增值服务) |