《表3 数据集信息：基于深度Q网络的一致性聚类方法》

  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

《基于深度Q网络的一致性聚类方法》

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

本文选用3个数据集：ecoli，der-matology和breast数据集。ecoli数据集是关于大肠杆菌中蛋白质分布的数据集，其中只包含两个样本的两个簇，本文作为噪声将其去除；dermatology数据集是皮肤科数据集，用于判定疾病的类型；breast数据集是原始的乳腺癌数据集。表3列出了实验数据集的基本统计信息。3个数据集的维数特征影响K-means算法生成的基本分区的质量，其中dermatology数据集的分区质量最差，breast数据集的分区质量最好。数据集的样本数和聚类数影响本文算法的解空间，3个数据集解空间关系为：6358>6332>2699。本文将选用上述不同聚类难度和适当解空间的数据集来验证算法的有效性。