《表2 对于不同的参数OWEC算法的平均性能 (ARI)》

  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

《基于样本对加权共协关系矩阵的聚类集成算法》

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

首先，先分析参数对OWEC算法性能的影响.对于参数的每一个值，分别运行OWEC算法20次，求得平均的ARI和CA值.其中M=30，用k-means算法随机初始化产生基聚类，k是固定的，是每个数据集真实的k值.用kmeans算法产生小类，k是固定的根据具体的数据集来变化，其中Iris，Wine，Seeds数据集设置const＿k=10，Column＿3C数据集设置const＿k=20，Glass数据集设置const＿k=3，Musk数据集设置const＿k=30.结果如表2和表3所示.从结果上来看，对于Iris数据集，θ的取值不论是怎样变化，ARI和CA值的变化都不明显，而对于其余的五个数据集，θ在0.1～1时，ARI和CA值的变化不明显，因此θ对于我们提出的算法的影响并不大，建议在[0.2，1]范围内选取.在之后的实验中，θ的值设置为0.3.