《表5 6种算法在实验组BDE上的实验结果》
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.
图表编号 | XD0038028500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 沈浩、王士同 |
绘制单位 | 江南大学数字媒体学院、江南大学江苏省媒体设计与软件技术重点实验室、江南大学数字媒体学院、江南大学江苏省媒体设计与软件技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |