《表4 UCI数据对比实验结果》

  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

《基于多粒度粗糙集的聚类融合方法》

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

取100次实验的聚类精度和方差的平均值，与基于多粒度决策不一致粗糙集的聚类融合算法（MGIDA）进行对比，使用聚类精度作为评价聚类效果的指标，得到如表4与图1所示的结果。由对比实验结果可以看出，MGIDA在第3、6、10数据集上取得了最优的聚类精度，在第2、4、5、7、8、9数据集取得了次优的聚类精度或十分接近（-0.011 3，第4个数据集，-0.032 3，第5个数据集，-0.002 3，第7个数据集），MGIDA明显地优于HGPA，只在第3个数据集上劣于MCLA，在第2、4、7、8、9数据集上优于MCLA，在其他数据集上劣于MCLA，且与该方法精度差距不大；MGIDA只在第4、5数据集上劣于IWCE，在第9数据集上劣于DSCE。综上可知，本文的算法在每个数据集上都不是精度最差的算法。算法2使同一数据生成不同的弱划分本质上是在数据集上掺杂了不同程度的噪声，即通过扭曲数据的方式产生噪声，所以在这种含噪声数据的数据集上表现较好的算法具有较好的鲁棒性，本文算法聚类精度即使不能取得最优，也可以取得或接近次优，说明本文算法在各数据集上都有较好的表现，具有较好的鲁棒性。