《表2 人工数据集：一种基于K近邻的比较密度峰值聚类算法》
提示：宽带有限、当前游客访问压缩模式
本文采用4个人工数据集进一步验证DBSCAN算法、CFSFDP算法和CDPC-KNN算法的聚类效果及准确率，数据集的特征如表2所示。图6～图9为各算法分别对各数据集的实验结果。?
| 图表编号 | XD0053257600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.15 |
| 作者 | 杜沛、程晓荣 |
| 绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集信息：自动确定聚类中心的比较密度峰值聚类算法》2021.03.10
- 《表1 实验数据集：一种改进节点凝聚度的密度峰值聚类算法》2020.07.01
- 《表2 UCI数据集：自适应密度峰值聚类算法》2020.06.10
- 《表1 人工数据集：自适应密度峰值聚类算法》2020.06.10
- 《表3 人工数据集D2：一种面向混合型数据聚类的k-prototypes聚类算法》2020.09.01
- 《表2 人工数据集D1：一种面向混合型数据聚类的k-prototypes聚类算法》2020.09.01
- 《表1 实验数据集：结合遗传k均值改进的密度峰值聚类算法》2020.04.16
- 《表2 UCI数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表4 各算法召回率：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表3 各算法准确率：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表1 人工数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表2 实验数据集的大小：基于k近邻密度峰值聚类混合算法的网络入侵检测》2019.12.25
- 《表2 UCI数据集描述：一种自动确定密度峰值的聚类算法改进》2020.01.15
- 《表1 人工数据集描述：一种自动确定密度峰值的聚类算法改进》2020.01.15
- 《表1 真实数据集描述：基于k-近邻与局部相似度的稀疏子空间聚类》2020.02.15
- 《表1 数据集信息：一种改进的基于差分隐私的k-means聚类算法》2019.08.15
- 《表1 实验数据集信息：一种新的近邻密度SVM不平衡数据集分类算法》2019.06.01
- 《表2 实验结果比较：一种新的近邻密度SVM不平衡数据集分类算法》2019.06.01
- 《表1 UCI数据集：一种基于K近邻的比较密度峰值聚类算法》2019.05.15
- 《表1 真实网络数据集：一种基于改进密度峰值聚类的社区发现算法》2019.04.01