《表1 不同聚类算法的归一化均方误差和偏差角对比》

  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

《基于欠定盲源分离理论与深度学习的声音样本集获取与分类方法》

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

式中:bij和分别为原始矩阵B和混合估计矩阵的第i行和第j列的元素，b和分别为B和对应的列向量，<·，·>为两个列向量的内积。一般来说，NMSE和ang（·，·）的值越小表示该混合矩阵的精度越高，三种聚类算法对比于表1。通过归一化均方误差和偏差角的对比可见，kmeans算法在已知源个数的情况下，NMSE和ang值仍是三种方法中最大的，说明其聚类效果无法达到要求。DPC算法虽然相比于k-means算法的精度有所提升，但是其精度依赖于截断距离dc，可能导致计算时出现偏差。而本文提出的K-DPC聚类算法的ang值均低于2，NMSE值也是三种聚类算法中最小的。由此可知，本文所提的K-DPC算法满足混合矩阵的精度要求。