Page 187 - 《软件学报》2020年第11期

徐鲲鹏 等:类属型数据核子空间聚类算法 3503

Table 4 Comparison of F-score and Accuracy by different algorithms, on the real-world datasets
表 4 真实类属型数据集上不同算法的 F-score 和 Accuracy 指标对比
指标 数据集 KSCC WKM MWKM KKM
Breastcancer 0.9659±0.00 0.7713±0.06 0.8514±0.06 0.9125±0.02
Vote 0.8841±0.00 0.8223±0.06 0.8623±0.06 0.8438±0.04
Mushroom 0.7733±0.13 0.6746±0.08 0.7136±0.08 0.7014±0.02
F-score
Soybeansmall 0.8975±0.04 0.7538±0.13 0.7938±0.13 0.8126±0.07
Dermatology 0.7241±0.02 0.6442±0.11 0.6542±0.11 0.6717±0.02
Zoo 0.7603±0.05 0.7425±0.03 0.7625±0.03 0.7625±0.05
Breastcancer 0.9654±0.00 0.8103±0.03 0.8631±0.03 0.9154±0.03
Vote 0.8805±0.00 0.8324±0.06 0.8824±0.06 0.8562±0.04
Mushroom 0.7856±0.08 0.6862±0.12 0.7195±0.12 0.7326±0.03
Accuracy
Soybeansmall 0.9326±0.03 0.7869±0.12 0.8069±0.12 0.8155±0.07
Dermatology 0.8678±0.04 0.6821±0.08 0.6821±0.08 0.6959±0.02
Zoo 0.7732±0.03 0.7726±0.04 0.8126±0.04 0.7789±0.02
以 Breastcancer 为例,图 8 给出了各类算法运行 100 次的聚类精度分布,横坐标代表各算法运行的次数,纵坐
标是以 F-score 指标衡量每次聚类获得的聚类结果.如图 8 所示,KSCC 算法与其他算法相比,波动最小.由于
k-modes [15] 型算法在聚类过程中仅考虑模而易陷入局部最优以及初始簇中心为 K 个随机选择的对象,所以导致
聚类结果反差很大(体现在平均精度的标准差上).而 KSCC 算法将模向量化,避免了以上问题,具有比其他算法
更稳定的性能.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97100
KSCC WKM MWKM KKM
Fig.8 Comparison of F-score with different algorithms on Breastcancer
图 8 不同算法在 Breastcancer 上的 F-score 指标对比
图 9 给出了各算法分别在 6 个真实数据集上独立运行 100 次聚类花费的平均时间对比.

KSCC WKM MWKM KKM
12
10
8
6
4
2
0
A B C D E F
A:Breastcancer B:Vote C:Mushroom
D:Soybean(small) E:Dermatology F:Zoo
Fig.9 Comparison of different algorithms running average time
图 9 不同算法运行的平均时间对比