《表2 各种算法在加噪iris数据集上的运行结果》

  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

《鲁棒的交叉熵模糊聚类算法》

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

本节采用著名的iris实际数据集作为测试数据。Iris数据集由四维空间中150个样本点组成，分为三类，每类有50个样本。文献[22]给出了该测试数据的实际类中心位置分别为:p1=（5.00 3.42 1.46 0.24），p2=（5.93 2.77 4.26 1.32），p3=（6.58 2.97 5.55 2.02）。表2为几种算法在iris数据集上的运行结果。由表2可知，在噪声干扰下，FCM、PFCM和WFCM算法的错分数和中心偏差较大，表明算法对噪声敏感，鲁棒性较差；IPCM和文献[8]方法能够同时具有较好的错分数和聚类中心，表明这两种算法鲁棒性较强；本文方法的错分数最小，正确率最高，中心偏差略低于文献[8]的方法，表明本文方法具有较少的错分数和较正确的聚类中心，聚类准确度高。