《表3 人工数据集准确度实验结果》

  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

《一种基于K近邻的比较密度峰值聚类算法》

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

对于人工数据集，各算法的对比实验结果如表3所示。Spiral数据集包含321个样本点，3个类簇，整个数据集的分布呈明显的线性环状。如图6所示，三种算法均能对数据集正确分类。R15数据集较Spiral数据集有更多的样本点和类簇，由表3可以看出CDPC-KNN算法和CFSFDP算法聚类结果均较为理想，准确率为99.7%，而DBSCAN算法的准确率为77.5%。D31数据集具有最多的31个类簇，CDPC-KNN算法的准确率为94.3%，略高于CFSFDP算法的93.0%，DBSCAN算法的准确率为82.6%。S1数据集具有所采用数据集里最多的5 000个样本点，CDPC-KNN算法的聚类准确率达到96.4%，CFSFDP算法的准确率为92.1%，DBSCAN算法的准确率为87.0%。