《表2 算法在各个数据集上的聚类结果》
提示：宽带有限、当前游客访问压缩模式
通过分析可知，ORL数据集异常稀疏，有意义的像素点只集中在某些局部区域，增大了矩阵分解的难度。因此，本文算法在处理稀疏性问题上仍需要进一步改进。
| 图表编号 | XD0090853300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.20 |
| 作者 | 李成、赵海琳 |
| 绘制单位 | 长沙民政职业技术学院图书信息中心、中南林业科技大学计算机与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 不同方法在EHC数据集上的聚类性能比较》2020.09.30
- 《表5 不同方法在PHC数据集上的聚类性能比较》2020.09.30
- 《表4 不同方法在PEC数据集上的聚类性能比较》2020.09.30
- 《表3 不同方法在PEH数据集上的聚类性能比较》2020.09.30
- 《表4 在mfeat数据集上的聚类准确率（ACC)》2020.11.01
- 《表1 各算法在不同噪声条件的仿真数据集上的聚类准确度》2021.01.10
- 《表4 ASCAE和ASCAE-Softmax算法在四个人脸图像集上的聚类性能》2020.07.30
- 《表4 W-DPC与其他算法在七个数据集上的聚类结果比较》2020.07.01
- 《表2 Flame数据集上的聚类结果比较》2020.07.01
- 《表1 七种算法在四个数据集上的聚类精度》2019.11.01
- 《表2 在Extended Yale B数据集上的聚类结果 (均值±标准差)》2019.08.16
- 《表3 在Notting-Hill数据集上的聚类结果 (均值±标准差)》2019.08.16
- 《表5 在Scene 15数据集上的聚类结果 (均值±标准差)》2019.08.16
- 《表4 在COIL-20数据集上的聚类结果 (均值±标准差)》2019.08.16
- 《表2 三种聚类算法在Wine数据集上的聚类相关评价指标值》2019.04.01
- 《表2 各个算法在ShapeNet数据集上的三维重建结果Io U测试结果》2019.08.25
- 《表2 各个算法在ShapeNet数据集上的三维重建结果Io U测试结果》2019.08.25
- 《表3 PHA算法在真实数据集上的聚类指标值Tab.3 Index values of PHA on real data sets》2018.12.01
- 《表5 CSPV算法在真实数据集上的聚类指标值Tab.5 Index values of CSPV on real data sets》2018.12.01
- 《表4 HCPC算法在真实数据集上的聚类指标值Tab.4 Index values of HCPC on real data sets》2018.12.01