41、扩展Kmeans类型算法的性能研究

扩展Kmeans类型算法的性能研究

在聚类分析领域，Kmeans类型算法是常用的方法之一。为了提升其性能，研究人员提出了一些扩展算法，如E - AWA、E - Wkmeans和E - kmeans。下面将详细介绍这些算法在合成数据集和真实数据集上的性能表现。

合成数据集上的表现

在合成数据集上，对多种算法进行了评估，包括BSkmeans、EWkmeans、ESSC、kmeans、E - kmeans、Wkmeans、E - Wkmeans、AWA和E - AWA。评估指标有Acc（准确率）、RI（兰德指数）、Fscore和NMI（归一化互信息）。结果如下表所示：
| 数据集 | 算法 | Acc | RI | Fscore | NMI |
| — | — | — | — | — | — |
| Synthetic1 | BSkmeans | 0.6384(±0.08) | 0.6651(±0.04) | 0.6436(±0.06) | 0.3064(±0.06) |
| | EWkmeans | 0.7731(±0.15) | 0.8096(±0.12) | 0.8036(±0.13) | 0.6563(±0.21) |
| | ESSC | 0.9441(±0.11) | 0.9457(±0.09) | 0.9457(±0.10) | 0.8784(±0.16) |
| | kmeans | 0.6103(±0.06) | 0.6361(±0.04) | 0.6048(±0.05) | 0.2955(±0.04) |
| | E - kmeans | 0.8663(±0.13) | 0.8642(±0.08) | 0.8771(