《表2 UCI数据集：自适应密度峰值聚类算法》

  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

《自适应密度峰值聚类算法》

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

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。