《表6 不同方法在EHC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》

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

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.