《表1 3种算法对UCI数据集的聚类结果》
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STA-K均值聚类的电化学废水处理过程离子浓度软测量》
为进一步体现本算法的有效性,选取来自UCI机器学习数据库的4个数据集Iris、Wine、CMC和Balance作为测试样本集。其中,Iris共有150个数据,每个数据包含4个属性;Wine数据集共有178个数据,每个数据包含13个属性;CMC数据集共有1473个数据,每个数据包含9个属性;Balance数据集共有625个数据,每个数据包含4个属性。各数据集类别数均为3。实验分别采用K均值算法,传统PSO-K均值算法[30]以及本文算法进行对比,分析几种算法在迭代过程中的均值以及标准方差等指标。设置最大迭代次数为1000,试验种群为10。为了排除算法内部随机操作对分类性能的影响,以30次重复试验的统计结果进行分析。PSO-K均值算法中取wmin=0.4,wmax=0.9,c1=c2=1。本文算法中,STA算法参数αmax=1,αmin=1×10–4,β=1,δ=1,γ=1,fc=2,iter=0。得到的聚类结果如表1所示。
图表编号 | XD0089102400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 秦美华、朱红求、李勇刚、陈俊名、张凤雪、李文婷 |
绘制单位 | 中南大学自动化学院、中南大学自动化学院、中南大学自动化学院、中南大学自动化学院、中南大学自动化学院、中南大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |