《表1 0 Ecoli数据集聚类结果比较》
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。
图表编号 | XD007460500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.15 |
作者 | 肖枝洪、于浩、王一超 |
绘制单位 | 重庆理工大学理学院、重庆理工大学理学院、重庆理工大学理学院 |
更多格式 | 高清、无水印(增值服务) |