《表1 不同聚类算法的聚类数目(CN)及准确度(Mean＿R/Max＿R,Mean＿F/Max＿F)的比较》

  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

《多距离聚类有效性指标研究》

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

表1展示了5种算法分别对8个测试数据聚类结果.通过该表可以得出，所有算法对于数据Data＿separated都能获得比较好的聚类，原因在于该数据比较简单.对于数据Data＿connected1和Data＿connected2，所有的算法都可以获得相对较好的聚类效果，但MoMDVI获得的结果精度最高.通过这3个数据可知，M oM DVI处理超球型数据时，可以获得比较好的效果.对于非超球型数据Spiral、Data＿circle和Flame，算法XB、PBM和GCUK都不能获得好的效果，这表明欧氏距离对非超球型数据效果不理想.使用算法RAC-Kmeans和MoMD-VI对数据Spiral和Data＿circle聚类，可以获得比较好的聚类效果；但是对于数据Flame，MoMDVI算法比RAC-Kmeans获得更好聚类效果.这表明MoMDVI对非超球型数据聚类也可以获得比较好的聚类效果.对于真实数据Iris和Wine数据，所有算法聚类结果相差不大，但MoMDVI算法在聚类精度上更有优势.因此通过该实验可以得出基于两种距离设计的M oM DVI算法对球型数据和非球型都表现出比较好的聚类效果.