《表2 UCI数据集:自适应密度峰值聚类算法》
自适应DPC算法采用Matlab R2015b编程实现,运行在Windows 7操作系统,4 GB内存,Intel Core i7-4558U [email protected] GHz的计算机平台。测试数据集选用人工数据集和实际问题的UCI(University of California Irvine)数据集[14],将实验结果与几种常见的聚类算法进行对比分析,这些算法分别是:基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、对点排序来确定聚类结构(Ordering Points To Identify the Clustering Structure,OPTICS)、近邻传播(Affinity Propagation,AP)、K-均值算法(K-means algorithm,K-means)。评价指标选择调整互信息(Adjusted Mutual Information,AMI)、调整兰德系数(Adjusted Rand Index,ARI)[15]、FM指数(Fowlkes?Mallows Index,FMI)[16]。三者的取值范围分别为:AMI∈[0,1],ARI∈[-1,1],FMI∈[0,1]。三种评价指标的最大值都是1,并且其数值越大代表聚类效果越好。实验中用到的数据集相关信息如表1和表2所示。
图表编号 | XD00163189300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.10 |
作者 | 吴斌、卢红丽、江惠君 |
绘制单位 | 南京工业大学工业工程系、南京工业大学工业工程系、南京工业大学工业工程系 |
更多格式 | 高清、无水印(增值服务) |