《表4 各分簇算法的F-Measere值、平均运行时间的对比》

  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

《一种并行化的改进型灰狼分簇算法》

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

并行化仿真实验环境如3.3节所述，此时分配5个Hadoop集群节点。表4展示的是IGWCA-MR、并行PSO、并行GWO分簇算法在集群上运行的结果，每种分簇算法运行30次，根据F-Measure函数的评价标准，分别计算三大真实数据集Consumption、Selection、Psychological基于MapRedcue模型实施并行化运算后的F-Measure值和平均运行时间。通过数据对比分析可以看出，IGWCA-MR优于其他并行分簇算法；对比其他并行分簇算法，IGWCA-MR的性能最高，计算时间更少。综上所述，IGWCA-MR可满足大型数据集的分簇需求，可实现有效分簇。