《表2 两种算法对数据集chess在特征选择之前的实验结果》

  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EK-medoids聚类和邻域距离的特征选择方法》

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

通过对原始数据集聚类100次后，用聚类的AC、PE、RE及标准差四个指标来验证本文所提算法的有效性，其测试和实验结果如表2～4所示。其中，before FS为没有经过特征选择的聚类结果；after FS为经过本文所提出的特征选择算法进行特征选择后在所得到的特征子集上进行聚类分析的结果；mean、min、max和SD分别为各项评价指标的平均值、最小值、最大值和标准差。本文所提出的基于有效距离的K-medoids聚类算法（简记为算法1）与文献[10]采用的K-modes算法对三种UCI数据集（chess、lung-cancer和soybean）进行特征选择之前的性能比较，其实验结果如表2～4所示。