《表1 不同聚类算法在不同数据集聚类性能比较 (精度均值±标准差, 最佳性能, 运行时间)》

  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

《PID参数调节的谱多流形聚类算法研究》

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

对比算法的选择取决于算法特点、代码的可用性，以及与此算法的相关性。由于算法GPCA（gen-eralized principal component analysis）、K-planes、LSA（latent semantic analysis）、SCC（spectral curvature clustering）是几种典型的适用于简单、线性流形聚类方法，与本文提出的算法相关性差异较大。本文选择对比算法时，选择以下几种非线性流形聚类算法进行比较:K-means[9]、SC算法[2]、K-manifolds算法[17]、SMMC[15]。分别在图1（a）～（e）合成数据上进行实验，计算均值和标准差、最高精度，以及运行的平均时间，结果如表1所示。