《表3 各个算法求得的NMI》
4种算法各自运行10次,得到的NM I和ARI如表2和表3所示.从表中可得,K-means++在两个数据集的ARI和NM I均高于K-means,这说明K-means++在一定程度上解决了K-means初始中心点敏感的问题.SGCA聚类得到的ARI和NMI均优于k-means,这说明了遗传算法在一定程度上提高了聚类的精度,在GDS5401中SGCA的性能优于K-means++,而在GDS5403中SGCA的ARI指标高于K-means++,而NM I要略低K-means++,这说明SGCA相对于K-means++没有明显的优势.DEGCA在AM I和ARI指标上均优于其他三个聚类算法,这说明DEGCA聚类结果更为准确.
图表编号 | XD00175972800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 贾瑞玉、宋飞豹、汤深伟 |
绘制单位 | 安徽大学计算机科学与技术学院、安徽大学计算机科学与技术学院、安徽大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |