《表6 传统K-means聚类结果(Ⅱ)》
实验3.2和3.3中,根据式(1)计算的数据点之间的平均距离过大,导致初始点选取的间距很大,遍历整个颜色空间只能选取6个数据点作为初始聚类中心,因为距离的限定,很有可能选取了一些噪声点作为初始聚类中心,而且随着聚类的迭代,聚类中心会渐渐偏离选取的高密度点.在算法运行时间方面,文献[1]的算法在实验3.2中用时15.60 min,实验3.3用时16.17 min.而传统K-means聚类算法仅仅需要几秒钟的运算时间.本文的改进算法在实验3.2中用时0.86 min,在实验3.3中用时2.11 min,虽然相比基本K-means算法耗时有所增加,但减少了计算密度的数据范围从而节约了计算时间,且能够有效地提取出图片中的主色.
图表编号 | XD00121520700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 朱培恺、刘敬浩 |
绘制单位 | 天津大学电子信息工程学院、天津大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |