《表3 尺度上推：不同算法的NMI比较》

  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

《基于耦合度量的多尺度聚类挖掘方法》

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

不同算法的NMI值比较结果如表3所示。由表3可知，UACMS算法的NMI值相比其他算法平均提高了13.1%，其中OF方法的平均NMI值最小。NMI值越接近于1，表明数据集的预测类标签与真实类标签越接近。UACMS算法对于Titanic和BrC数据集的NMI值不如其他方法，主要是受这两个数据集中属性间关系的影响，控制两个属性间相互影响大小的参数需要不断调节，同时一个简单的数字很难描述出属性间的复杂关系，这将是未来工作的一个挑战。