一种改进的K-means算法在城市通勤研究中的应用 |
| |
引用本文: | 周天绮,杨志民.一种改进的K-means算法在城市通勤研究中的应用[J].计算机应用与软件,2019,36(3). |
| |
作者姓名: | 周天绮 杨志民 |
| |
作者单位: | 浙江医药高等专科学校医疗器械学院 浙江宁波315100;浙江工业大学之江学院 浙江杭州310024 |
| |
基金项目: | 教育部人文社会科学研究项目;国家统计局统计科研项目 |
| |
摘 要: | 针对K-means算法初始聚类中心选择困难、易受噪声影响等缺点,通过选择所有样本的中心和离中心最远距离的点优化初始化聚类中心;采用类间相异度迭代计算确定k值;通过计算每一个样本与其他样本的距离和,如果大于所有样本的距离均和,则认为是噪声点予以删除。随机选取100个手机定位样本进行职住地聚类实验,结果显示改进的K-means算法经过3次迭代快速实现收敛,避免了局部最优,同时聚类中心未受到噪声影响而产生偏移。采用该算法分析杭州市通勤特征,杭州市总体达到职住平衡,但在主要商圈和主干道上通勤压力较大。与杭州市第六次人口普查数据和杭州交通运行分析报告进行分析比对,结果基本一致。
|
关 键 词: | 算法改进 城市通勤 手机定位 空间聚类 |
APPLICATION OF AN IMPROVED K-MEANS ALGORITHM IN URBAN COMMUTING RESEARCH |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|