基于人群疏散仿真的折半聚類算法
大小：0.96 MB 人氣： 2017-12-03 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：聚類算法(12092)
運(yùn)用社會(huì)力模型（ SFM）模擬人群疏散之前，需要先對(duì)人群進(jìn)行聚類分組；然而，五中心聚類（k-medoids）和統(tǒng)計(jì)信息網(wǎng)格聚類（ STING）這兩大傳統(tǒng)聚類算法，在聚類效率和準(zhǔn)確率上都不能滿足要求。針對(duì)這個(gè)問題，提出了折半聚類算法（BCA）。該算法結(jié)合了圍繞中心點(diǎn)聚類和基于網(wǎng)格聚類兩類方式，并利用二分法查找思想劃分網(wǎng)格，不需要反復(fù)聚類。先將數(shù)據(jù)用二分法劃分成網(wǎng)格，再根據(jù)網(wǎng)格內(nèi)數(shù)據(jù)密度選出核心網(wǎng)格，接著以核心網(wǎng)格為中心將鄰居網(wǎng)格聚類，最后按就近原則歸并剩余網(wǎng)格。實(shí)驗(yàn)結(jié)果表明，在聚類時(shí)間上，BCA平均儀是STING算法的48. 3%，不到k-medoids算法的14%；而在聚類準(zhǔn)確率上，k-medoids算法平均僅是BCA的50%，STINC算法平均也只是BCA的88%。因此，BCA無(wú)論在效率還是準(zhǔn)確率上都明顯優(yōu)于STING和k-medoids算法。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%