粒子群K-Medoids带障碍约束空间聚类分析研究 |
| |
引用本文: | 张雪萍,王家耀,范中山,邓高峰.粒子群K-Medoids带障碍约束空间聚类分析研究[J].小型微型计算机系统,2009,30(10). |
| |
作者姓名: | 张雪萍 王家耀 范中山 邓高峰 |
| |
作者单位: | 1. 河南工业大学信息科学与工程学院,河南,郑州,450001;空间数据挖掘与信息共享教育部重点实验室,福建,福州,350002 2. 河南工业大学信息科学与工程学院,河南,郑州,450001;解放军信息工程大学测绘学院,河南,郑州,450052 3. 河南省交通科学技术研究院,河南,郑州,450052 4. 河南工业大学信息科学与工程学院,河南,郑州,450001 |
| |
基金项目: | 教育部新世纪优秀人才支持计划,空间数据挖掘与信息共享教育部重点实验室开放基金项目,河南省高校科技创新人才支持计划,河南省自然科学基金研究项目(0511011000)资助:河南省科技攻关项目,郑州市科技攻关项目 |
| |
摘 要: | 空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的带障碍约束空间聚类分析方法,设计了一个粒子群K-Medoids带障碍约束空间聚类分析算法.对比实验表明,该方法不仅兼顾了局部收敛和全局收敛性能,又充分考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具实际意义.与遗传K-Medoids带障碍约束空间聚类分析相比,该方法具有更好的可伸缩性,且所需输入的参数相对较少,更适合于对聚类速度要求较高的动态约束条件场合.
|
关 键 词: | 空间聚类 K-Medoids算法 粒子群优化算法 障碍约束 |
Spatial Clustering with Obstacles Constraints Based on PSO and K-Medoids |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|