《表1 数据集特征：基于交点的新层次聚类算法》

  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

《基于交点的新层次聚类算法》

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

为了验证新的层次聚类算法，将其应用于三个数据集[17]，数据集的详细信息如表1所示。所有提到的数据集都有预定义的标签，在不使用其类标签的情况下使用它们来形成聚类。将分层、分区、基于密度、基于网络和基于模型的层次聚类用于数据聚类，并将其结果与新聚类算法的结果进行比较。如前所述，在这些实验中，所有数据集都预定义了标签，因此可以使用它们来计算聚类算法的纯度，并根据其准确性对结果进行排名。聚类方法的准确性如图5所示，毫无疑问，聚类结果总是需要最低的聚类间距和最高的聚类相似度。换句话说，每个聚类的成员应尽可能地彼此靠近，这被定义为紧密度，而方差是紧密度的常用度量，因此，本文还计算了数据集的每个聚类中的属性值之间的方差。通过比较每个聚类的方差值，可以测量每个聚类算法如何在一个聚类中设置相似的数据点。除了纯度之外，方差分析还可以帮助评估聚类的准确性。肝病数据集、甲状腺病数据集和糖尿病数据集的方差值如图6～图8所示。