【一种自适应聚类算法概述8300字】_第1页
【一种自适应聚类算法概述8300字】_第2页
【一种自适应聚类算法概述8300字】_第3页
【一种自适应聚类算法概述8300字】_第4页
【一种自适应聚类算法概述8300字】_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种自适应聚类算法概述目录TOC\o"1-3"\h\u10149一种自适应聚类算法概述 [75]算法进行了实验，实验结果准确率统计柱状图如图1.7所示。图1.7展示了各个算法在不同量级的恒星光谱数据集上实验测试十次的聚类结果的平均准确率统计情况。从图中可以看出虽然随着数据量增加，本章聚类算法的准确率有着下降的趋势，但是趋势很小，并且在数据量达到一定数量时这种下降趋势会逐渐消失。此外，从图中可以发现各个数据集的准确率相接近，并且在相对较大的数据集DatasetⅣ、DatasetⅤ、DatasetⅥ、DatasetⅦ和DatasetⅧ上的准确率基本相同，说明该算法具有较好的稳定性，出现聚类结果波动的情况可能是由某些特殊光谱数据导致。对比图1.7中各个算法在不同量级的光谱数据集上的准确率可以发现，AAWC聚类算法的聚类结果准确率相比其他七种聚类算的准确率较优。K-means算法的准确率一直保持着较低的准确率，说明该算法并不能够很好的反映恒星光谱的实际分类情况。KWDM聚类算法虽然保持相对K-means较高的准确率，但是与本章所提算法相比较其准确率相差较远。总体而言，本章算法相对其他七种算法的准确率更高，说明AAWC更能反映恒星光谱数据的真实划分情况。图1.7各算法的聚类结果准确率统计图Fig.1.7Statisticalgraphofaccuracyofclusteringresultsofeachalgorithm图1.8展示了AAWC算法在数据集DatasetⅤ上的聚类结果均值谱。图1.8中的图像是根据公式（1.11）对聚类结果每一簇的同一维度求平均后绘制的聚类结果均值谱，经折线图可以看出聚类结果的光谱型类别比较明显，与MK分类系统REF_Ref70452944\r\h[76]中的光谱型模板有较高的拟合度。此结果进一步论证AAWC能顺利完成恒星光谱数据划分任务。（a）class1（b）cl

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论