《表1 停留点数据集上聚类结果》

  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

《基于改进谱聚类的热点区域挖掘方法》

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

从运行时间来看，K-means算法耗费时间最短，而ISCRM算法最长；但在轮廓系数指标中，K-means算法及DBSCAN算法均不及ISCRM算法高，且试验结果也不如ISCRM算法稳定。对比表1中各聚类算法在停留点数据集上的表现，尽管K-means和DBSCAN算法运行时间较短，但在其繁琐的参数选取环节上会耗费额外的时间。而ISCRM算法依据自适应局部参数σi描述样本实际分布，以及自动估计聚类数目，可获得更贴近样本真实分布的特征向量空间，并对特征空间进行聚类，也在一定程度上加快了收敛速度。ISCRM算法通过自适应调节参数直接获得的结果轮廓系数最高，代表聚类结果最合理。