《表2 五组UCI不平衡数据集聚类结果》
%
MP算法中,参数N(N>c)为ICCM生成的子簇个数,可根据用户的具体需求设置,在本实验中,默认N=6,复合类阈值取ε=0.2,再划分参数χ=0.2。FCM和GK算法中模糊指数m=2;CCM中距离权重γ分别设置为γ=0.5,1.0,2.0,且tc=2。实验采用错误率和不精确率两个评价指标对算法性能进行评价,其中Ne表示被错误划分的样本数,Nij表示被划分到复合类的样本数(j表示构成复合类的最大单类个数,本实验中j=2),NT表示不平衡数据集中的样本总数。除利用以上两个指标来评价算法有效性外,实验还对各算法的运行时间T(单位:s)进行了比较,参数T在一定程度能反映算法的计算复杂度。为了便于标注,记复合类ωi,…,jωi∪…ωj。实验所用平台为惠普笔记本电脑,软硬件参数如下:CPU为英特尔i5-8300H,软件版本为Matlab 2016b。四种聚类算法对五组UCI数据集进行聚类的结果分别如表2所示。
图表编号 | XD00164306700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 段中兴、梅思雨 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西部绿色建筑国家重点实验室、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |