《表1 串行执行结果：基于MapReduce的分治k均值聚类方法》
提示：宽带有限、当前游客访问压缩模式
系列实验的主要目标是将分治k均值聚类法与k均值法和改进的k均值法进行比较，对比结果见表1。对每个数据集用了3个不同数量的聚类：10、50、100。
| 图表编号 | XD00170283600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.16 |
| 作者 | 臧艳辉、席运江、赵雪章 |
| 绘制单位 | 佛山职业技术学院电子信息学院、华南理工大学经济管理学院、佛山职业技术学院电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验结果对比：基于蚁群优化K均值聚类算法的滚轴故障预测》2020.11.16
- 《表7 方差分析结果：基于熵权TOPSIS和K均值聚类的企业财务风险评价预警研究》2020.10.31
- 《表2 实验结果表：基于K均值聚类的视频关键帧提取技术研究》2021.02.01
- 《表1 聚类结果展示：基于改进K-Means聚类和误差反馈的数据清洗方法》2020.07.25
- 《表4 提出的分治k均值聚类算法与基于GraphLab的分布式改进k均值法的比较》2020.05.16
- 《表3 与Mahout相比，分治k均值聚类法的质量和性能》2020.05.16
- 《表2 不同块的数据集对分治k均值聚类法结果的影响》2020.05.16
- 《表1 距离修正系数表：基于改进K均值聚类及其距离修正的睡眠分期方法》2020.07.10
- 《表3 故障诊断结果对比：基于K均值聚类和混合核函数相关向量机的变压器故障诊断方法》2020.07.15
- 《表1 聚类结果：基于二分K-均值的海陆差异研究》2020.02.29
- 《表1 不同算法运行时间：基于PSO与K-均值聚类算法优化结合的图像分割方法》2020.01.01
- 《表1 3 聚类成员：基于K-均值算法的客户分类研究》2019.08.28
- 《表2 聚类中心对比：基于K均值聚类算法的交通状态判别方法研究》2019.08.30
- 《表3 聚类结果：基于K均值聚类算法的交通状态判别方法研究》2019.08.30
- 《表3 k均值聚类评级：基于模糊小波聚类混合的多目标覆盖质量评估方法》2019.06.01
- 《表2 算法执行时间：基于MapReduce的并行CCBF大流识别算法》2018.02.25
- 《表3 分类准确率对比：基于改进K均值聚类生成匹配模板的心搏分类方法》2018.04.20
- 《表1 K均值聚类结果：基于城市公交工况的PHEV能耗成本评估》2018.10.25
- 《表1 K均值聚类结果：基于城市公交工况的PHEV能耗成本评估》2018.10.25
- 《表2 K-均值聚类结果：基于马尔科夫转移矩阵的黑龙江省区域产业结构变化聚类分析》2019.12.20