《表5 各算法对噪声的敏感性分析》
从表2~5可以看出,在不同的测试条件下,与K均值聚类和BIRCH算法相比,本文CLUBS-MP具有最优的时间性能和鲁棒性(不受数据维度和噪声的影响),体现出了本文方法在大数据挖掘方面的优越性。
图表编号 | XD00189231600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.05 |
作者 | 田华、何翼 |
绘制单位 | 铜仁学院大数据学院、铜仁学院大数据学院 |
更多格式 | 高清、无水印(增值服务) |
从表2~5可以看出,在不同的测试条件下,与K均值聚类和BIRCH算法相比,本文CLUBS-MP具有最优的时间性能和鲁棒性(不受数据维度和噪声的影响),体现出了本文方法在大数据挖掘方面的优越性。
图表编号 | XD00189231600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.05 |
作者 | 田华、何翼 |
绘制单位 | 铜仁学院大数据学院、铜仁学院大数据学院 |
更多格式 | 高清、无水印(增值服务) |