《表4 不同方法在PEC数据集上的聚类性能比较》
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
《用于样本聚类和网络分析的整合鲁棒结构化NMF模型》
5)表3~6表明,在ACC、ARI、NMI上,i RSNMF比其他方法至少提高了2.7%、2.4%、1.64%.这是因为i RSNMF模型引入了结构化项和稀疏约束,它不仅提高了算法的鲁棒性,还通过最小化所有视图的基矩阵的差异来保留数据之间的同质性,进而增强了整合模型的同质效应.所以,聚类结果进一步验证了i RSNMF方法的合理性和有效性.
图表编号 | XD00228205000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.30 |
作者 | 张晓宁、孔祥真、罗传文、刘金星 |
绘制单位 | 曲阜师范大学计算机学院、曲阜师范大学计算机学院、北京林业大学信息学院、曲阜师范大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |