《表5 UCI数据集上各聚类算法的评价指标值》
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。
图表编号 | XD00163189500 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) |