《表4 不同的算法在不同数据集上的平均性能 (ARI, CA)》

  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

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.