《表5 UCI数据集上各聚类算法的评价指标值》

  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

从表5中可以看出，在AMI、ARI、FMI评价指标值上，自适应DPC算法有明显的提升，聚类效果更佳。在Seeds数据集中，DPC算法聚类效果明显优于DBSCAN、OPTICS、AP、K-means聚类算法，体现了DPC算法在聚类算法中的优势。自适应DPC算法在准确自动获取聚类中心的同时，其聚类性能明显优于其他算法。在Libras-movement数据集中，由于每个类别的样本数量较少，增加了算法计算密度值时的难度。所有算法在该数据集的聚类性能指标都不高，但自适应DPC算法聚类效果较其他算法仍有明显的提升。因此，自适应DPC算法在实际问题中，仍具有良好的聚类性能，能发现真实数据集的聚类中心和分布状况，且具有较强鲁棒性。