《表4 不同的算法在不同数据集上的平均性能 (ARI, CA)》
接下来,将本文提出的OWEC算法与EAC[8],LWEA[15]与LWGP[15]算法进行比较.对于每一个测试的方法,都是用k-means算法固定的k值随机初始化产生基聚类,k值是数据集的真实类别个数.实验中基聚类个数M=100.为保证实验结果的有效性每个算法运行20次,得到平均ARI值和CA值,并且为了实验的公平公正,每一次运行,OWEC与现有的三个算法都是在相同的基聚类上进行的.其中,对于LWEA算法和LWGP算法选取参数θ=0.4,OWEC算法选取参数θ=0.3.实验结果如表4所示.OWEC算法在Iris,Glass,Seeds,Musk数据集上的ARI值和CA值得到了明显的提升,在Wine,Column_3C数据集上的性能虽然没有明显的提升,但是也是比所比较的方法好的.说明OWEC还是有很大优势的.
图表编号 | XD0071369100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.30 |
作者 | 王彤、魏巍、王锋 |
绘制单位 | 山西大学计算机与信息技术学院、山西大学计算机与信息技术学院、山西大学计算智能与中文信息处理教育部重点实验室、山西大学计算机与信息技术学院、山西大学计算智能与中文信息处理教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |