《表3 改进算法聚类结果：大数据K-means聚类算法的研究与应用》

  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

《大数据K-means聚类算法的研究与应用》

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

另一方面，K-means算法最终只能得到局部的最优解，会受到噪声的干扰，并不能保证找到的是全局最优解，如果在某一个类簇中有没有价值的噪声数据存在时，它就会影响中心的确定，可能会使更新后产生的中心点的位置相对远离了它本来应该在的地方，如果更新均值计算时它们不被计入，结果会更加靠近真正的中心，也会更加准确。所以结果会对这些噪声值存在很大的敏感度，引起结果的质量下降。