《表4 各分簇算法的F-Measere值、平均运行时间的对比》
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。
图表编号 | XD00219764500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.28 |
作者 | 赵彦、孙俊 |
绘制单位 | 江苏信息职业技术学院物联网工程学院、江南大学人工智能与模式识别国际联合实验室、江南大学人工智能与模式识别国际联合实验室 |
更多格式 | 高清、无水印(增值服务) |