《表2 数值属性和分类属性数据集实验结果比较》
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。
图表编号 | XD00222626700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 孙志冉、苏航、梁毅 |
绘制单位 | 北京工业大学信息学部、北京工业大学信息学部、北京工业大学信息学部 |
更多格式 | 高清、无水印(增值服务) |