《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》
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.
图表编号 | XD0096866500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 刘丛、陈倩倩、陈应霞 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、华东师范大学计算机科学与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |