《表1 聚类NMI值:基于去噪自编码的属性网络表征学习算法》
使用去噪自编码器得到隐层后,再使用K-Means算法进行聚类任务测试,评估方法选择NMI,结果表明,使用DANRL模型得到的嵌入向量进行聚类时,NMI值在最佳基线上平均提高了7.07%,具体结果如表1所示。
图表编号 | XD0089954700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.05 |
作者 | 张志敏、张静 |
绘制单位 | 河北地质大学信息工程学院、河北地质大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |
使用去噪自编码器得到隐层后,再使用K-Means算法进行聚类任务测试,评估方法选择NMI,结果表明,使用DANRL模型得到的嵌入向量进行聚类时,NMI值在最佳基线上平均提高了7.07%,具体结果如表1所示。
图表编号 | XD0089954700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.05 |
作者 | 张志敏、张静 |
绘制单位 | 河北地质大学信息工程学院、河北地质大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |