《表1 0 尺度下推：不同算法的运行时间比较》

  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

《基于耦合度量的多尺度聚类挖掘方法》

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

s

运行时间是评价算法好坏的重要指标。不同算法运行时间的比较结果如表10所示。从表10可以看出，DSAL算法在所有测试数据集上均快于其他对比算法，运行时间平均提高了11.42 min。其中，由文献[12]可知，算法CMS的时间复杂度很高，其中求两个对象之间相似性的时间复杂度为O（nm3R2），m表示属性个数，n表示对象个数，R表示不同属性值个数。将CMS方法应用到基准尺度，对原始数据集分块执行CMS方法，相当于减少了算法运行的对象个数，有时也可以减少不同属性值个数，从而减少运行时间。由表10还可知，DSAL算法的运行速度明显比原始的CMS方法快很多，CSM方法在多尺度数据挖掘中的应用也是对该方法的一种优化。其他对比算法的运行时间整体上随数据量的增大而逐渐增加，但DSAL算法的运行时间与数据集大小没有明显关系。因为DSAL算法与UACMS算法一样，运行时间与基准尺度的聚类数目和基准尺度的划分块数有关系，并不受原始数据集大小的影响。由于算法的运行时间受多种因素影响，比如运行算法的机器配置，代码优化程度等，因此本文中的运行时间仅为本实验环境下的运行时间，仅供参考。