《表2 数值属性和分类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

如表2给出的各算法在数值属性和分类数据集上的评价结果，对于数值属性数据集，K-Means算法对初始选点敏感、DPC算法对参数也有依赖性，得到的结果并不能代表其最佳水平，FCM算法引入模糊理论，其结果普遍优于K-means和DPC算法。本文算法相较K-Means和DPC表现较好，准确率上和FCM几乎持平，但本文算法迭代次数有明显的优势，收敛速度更优。在分类数据集上的实验结果，本文算法因改进了分类属性相异度表示和稳定了中心点的选取，达到了良好的聚类效果。