《表2 三种聚类算法在Wine数据集上的聚类相关评价指标值》

  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

《融合密度峰值和空间邻域信息的FCM聚类算法》

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

算法的鲁棒性可以采用精准率、召回率和F-measure这3个指标值的均方差进行比较。由于每次聚类时3种对比算法选择的初始聚类中心时不固定的，因此，所得到的聚类结果也不尽相同，从而导致每次聚类得到的各指标的值也不尽相同，多次聚类得到的各指标值的均方差越小，说明算法越稳定，鲁棒性也就越好。3种对比算法各运行30次取评价指标值的均值，聚类终止的条件为前后两次聚类目标函数的差值ε<0.000 1。表2所示为3种算法聚类结果的比较。表3为各指标值的标准差比较。