《表3 在仿真数据集上Calinski-Harabasz(CH）指标统计结果》

  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

《局部迭代的快速K-means聚类算法》

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

对于各算法的运行时间，由于PIFKM+-算法是在K-means聚类的基础上进行进一步的优化处理，所以在全部的数据集上，PIFKM+-算法比K-means算法的运行时间慢一些，但是在某些数据集上的运行时间要比K-means++算法快。为了进一步对3种算法进行评估，可以从簇内的稠密程度和簇间的离散程度来评估聚类的效果。在实验过程中采用了Calinski-Harabasz（CH）[19]指标，该指标值越大说明聚类效果越好，如表3所示。