《表1 0 Ecoli数据集聚类结果比较》

  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

《基于动态离差平方和准则的无监督机器学习》

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

从表7~10的结果可以看出:本文的DSSD算法的类内离差平方和均小于K-means无监督机器学习算法，说明了在大样本情形下，DSSD算法仍优于K-means算法。为了进一步验证DSSD算法相对K-means无监督机器学习算法的性能，遂采用外部聚类评价法中的调整兰德指数（adjusted rand index）进行评判。调整兰德指数是在数据集样本分类已知情况下，对待测聚类算法的聚类性能进行评价的有效指标[24-26]。结果如表11所示。