《表8 5种算法在指标ARI下的对比结果》

  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

《一种面向不完备信息系统的集对k-means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的实验结果可以看出，对于数据集Iris，Wine，Liver disorders和Wave form，用评价指标Macro F1得到的聚类结果要明显高于对比算法，也体现出了SPKM算法的优越性。对于其他两个数据集也得到了不错的聚类结果，比如数据集Seeds，在缺失率为15%的情况下，即使它不是最好的算法，但在缺失率为5%，10%和20%时，Macro F1值要高于其他4个对比算法。从表6中的实验结果可以看出，对于数据集Iris，Wine和Wave form，用评价指标JC得到的聚类结果均优于对比算法。从表7中的实验结果可知，在4个缺失率下数据集Liver disorders和Wave form得到的聚类结果均优于对比算法。从表8的实验结果可知，对于数据集Iris和Wine，用评价指标ARI得到的聚类结果要明显高于对比算法。综上所述，本文提出的聚类算法可以有效处理含有缺失值的不完备数据集，而且具有良好的聚类性能。