《表5 6种算法在实验组BDE上的实验结果》

  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

《按风格划分数据的模糊聚类算法》

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

实验结果分别如表5和表6所示.从实验结果中可知，对于样本维度较高的数据，各算法的聚类效果都有一定下降.在基于划分的对比算法中，FCM和FCMdd两种模糊聚类算法的表现优于硬划分算法K-means，体现出模糊聚类方法的优势.AP在RI指标上明显优于其它对比算法，表明其结果中样本的分布情况与真实分布更接近.DBSCAN的聚类精确度和F指数在对比算法中的优势明显，表明聚类结果更接近于真实情况.而FSC在经典模糊聚类算法的基础之上，挖掘并利用样本特征中包含的波动等其它风格信息，在两组实验的4个聚类效果衡量指标上，均提高明显.尤其在指标NMI上的提升尤其显著，表明FSC的聚类结果与样本真实标记的接近程度更高.