《表5 基于群体智能的文本聚类算法收敛次数及时间》
提示：宽带有限、当前游客访问压缩模式
通过图4和表5可以发现:
| 图表编号 | XD0084297200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.15 |
| 作者 | 韩楠、乔少杰、黄萍、彭京、周凯 |
| 绘制单位 | 成都信息工程大学管理学院、成都信息工程大学软件工程学院、成都信息工程大学管理学院、四川省公安厅、四川省公安厅 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基于Sphere函数不同算法收敛迭代次数指标对比》2021.02.25
- 《表1 文本聚类测试结果：基于改进Canopy-K-means算法的并行化研究》2021.02.25
- 《表2 智能灯延迟时间：基于粒子群算法及时间序列ARIMA模型的园区智能照明实现》2020.10.10
- 《表5 三种基于密度的聚类算法对数据集所需的平均时间》2020.07.01
- 《表1 文本相似度算法：基于语义分析的政策法规智能审核研究与实现》2020.04.10
- 《表2 放电次数统计：基于密度峰值聚类算法的局部放电脉冲分割》2020.03.25
- 《表1 基于均值漂移算法的文本聚类》2019.09.25
- 《表2 基于AP算法的文本聚类》2019.09.25
- 《表2 4种算法的ARI：基于密度峰值的改进K-Means文本聚类算法及其并行化》2019.10.24
- 《表3 4种算法的NMI：基于密度峰值的改进K-Means文本聚类算法及其并行化》2019.10.24
- 《表3 算法运行时间三种聚类算法迭代次数比较表》2019.08.01
- 《表3 实验相关算法参数：基于文本聚类的网络微博舆情话题识别与追踪技术研究》2019.09.15
- 《表1 基于群体智能的文本聚类算法参数设置》2019.09.15
- 《表1 不同迭代次数下的聚类算法的时间 (h) 和准确率 (%)》2019.06.25
- 《表2 聚类结果：一种基于MinHash的改进新闻文本聚类算法》2019.02.10
- 《表3 不同B-P算法的收敛时间及训练次数》2019.06.15
- 《表2 数值结果对比：基于群体智能算法的大数据迁移策略研究》2019.06.15
- 《表1 实验参数设置：基于群体智能算法的大数据迁移策略研究》2019.06.15
- 《表5 预设收敛精度下各算法的评估次数》2019.06.01
- 《表5 算法运行时间与收敛次数对比Tab.5 Comparison of running time and convergence times》2018.02.23