空間鄰近的點目標聚類實現方法
大小：0.92 MB 人氣： 2017-12-19 需要積分：1
標簽：聚類(14184)
空間聚類是空間數據挖掘和知識發現領域的主要研究方向之一，但點目標空間分布密度的不均勻、分布形狀的多樣化，以及“多橋”鏈接問題的存在，使得基于距離和密度的聚類算法不能高效且有效地識別聚集性高的點目標。提出了基于空間鄰近的點目標聚類方法，通過Voronoi建模識別點目標間的空間鄰近關系，并以Voronoi勢力范圍來定義相似度準則，最終構建樹結構以實現點目標的聚集模式識別。實驗將所提算法與K-means、具有噪聲的基于密度的聚類（ DBSCAN）算法進行比較分析，結果表明算法能夠發現密度不均且任意形狀分布的點目標集群，同時準確劃分“橋”鏈接的簇，適用于空間點目標異質分布下的聚集模式識別。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
空間鄰近的點目標聚類實現方法下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 使用輪廓分數提升時間序列聚類的表現 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學習與統計方法綜述（一） 638
- 機器學習之分類分析與聚類分析 3550