《表2 数据集上各算法所得聚类正确率 (ACC) 和标准化互信息 (NMI) 》
为了说明所提出的MKSC算法的稳定性和有效性,在表2中,本文将改进后的聚类算法在各个数据集上的聚类准确率(ACC)以及标准化互信息(NMI)进行归纳统计。通过数据可观察到该算法的ACC和NMI的值均高于对比算法的结果。对于4组数据集而言,本文MKSC算法得到的聚类平均正确率为70.36%,而其它对比算法中LSR所得的最好结果为65.09%,两者相差了5.27%。相比较而言,在对比算法中以k-means所得最差的聚类平均准确率为54.63%,可见改进后的算法提高了15.73%,进一步说明了算法的稳定性。其中在Dermatology数据集上MKSC算法的聚类准确率结果明显高于k-means聚类的结果,提高了23.84%。对于NMI而言,在数据集Zoo上,本文聚类算法远远高出了k-means 26.40%。对于MKSC算法得到的聚类的平均标准化互信息为56.87%,而其它对比算法中LSR所得的最好结果为50.59%,两者相差6.28%。相比较而言在对比算法中以k-means所得最差的聚类平均标准化互信息为41.59%,可见改进后的算法提高了15.28%,进一步说明了算法的稳定性和有效性。
图表编号 | XD0074400300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 谭马龙、文国秋、童涛、吴林、杜婷婷 |
绘制单位 | 广西师范大学计算机科学与信息工程学院广西多源信息挖掘与安全重点实验室、广西师范大学计算机科学与信息工程学院广西多源信息挖掘与安全重点实验室、广西师范大学计算机科学与信息工程学院广西多源信息挖掘与安全重点实验室、广西师范大学计算机科学与信息工程学院广西多源信息挖掘与安全重点实验室、广西师范大学计算机科学与信息工程学院广西多源信息挖掘与安全重点实验室 |
更多格式 | 高清、无水印(增值服务) |