《表4 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

《多尺度分类挖掘算法》

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

NMI是评价分类性能的一个重要指标，一般值越大，说明分类效果越好。它用于表征样本真实类别和预测类别之间的吻合程度。NMI值越大，表明真实结果和实验结果越接近。对表4和图7中的数据进行分析可以发现，UAMSC在不同数据集上的NMI值均高于其他算法，相对于D tree（平均NMI值最低）和MSCSUA （仅次于UAMSC），分别提升了17.7%和5.9%。尤其在针对WDBC和QSAR数据集实验中，UAMSC相对于CFW NMI值分别提升了37.5%和18.3%。通过对数据进行观察可以看出，UAMSC与其他算法相比，NMI值有明显的提升，且平均值在60%以上。