《表5 对测试集缺损标签数据恢复结果上的排序损失测试RL(↓)》

  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-means的GLOCAL改进算法》

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

在实验过程中，对原始标签聚类，判断聚类个数K时，本文通过算法迭代，对比实验结果来获取K值，本文K值为22。ρ表示已知标签数占全标签数的百分比，ρ=100表示全标签。为了验证算法的有效性，采用测试集实验。表2至表5给出了本文算法和其他4种算法在13个数据集上的实验结果，数字加粗则表明在对比的算法中结果最好。其中算法一至算法四依次代表MAXIDE、LEML、ML-LRC、GLOCAL，算法五则是本文算法K-GLOCAL。