《表1 不同聚类方法计算效率对比》

  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

《基于密度峰值搜索的脑纤维快速聚类算法》

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

实验证明连续框架聚类算法所需时间明显低于一般的DBSCAN聚类方法，如表1所示。连续框架聚类算法的计算量与纤维数量以及纤维结构复杂度都有关，纤维结构越复杂触发模型更新的次数就越多额外计算量也就越大，在不计模型更新整体计算量与纤维数呈线性关系。常用的聚类方法的整体计算量则与纤维数的平方呈线性关系。设纤维数量为n，构成纤维的体素点数量为m，聚类数量为l，则DBSCAN聚类方法的时间复杂度为O (n2 m2），连续框架聚类算法的时间复杂度为O (ln2 m2），因而当纤维数量越多时，连续框架聚类算法计算用时减少地越明显。