《表3 混合属性数据集实验结果比较》

  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

《一种改进的K-Prototypes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

本文验证混合属性数据集聚类效果，结果如表3所示。KP和FKP因中心点选择不稳定，相似度度量方法过于粗糙，导致在各数据集效果皆不佳；DPCM算法对于非高密度的点会因一个数据对象划分错误，造成连锁反应，导致准确率低。本文算法在German Credit Data数据集准确率略差，主要是以为该数据集类簇分布比例差异较大，使用导致初始选点不够准确，但在精准度和召回率上要优于其他算法。在其他数据集上本文算法聚类指标都高于其他算法均能有效的聚类。根据多个混合属性数据集实验结果，与传统KP算法相比，本文算法平均准确率提高了8.52%，与DPCM算法和FKP算法相比，平均准确率分别提高了4.28%和8.33%，且本文算法能保证聚类的稳定性。