期刊文献+

基于改进K-means算法的公共自行车站点区域划分 被引量:2

下载PDF
导出
摘要 为了解决公共自行车调度过程中调度路径过长的问题,文章提出了一种改进的K-means聚类算法。该算法通过数据分析估算出k个中心点作为初始中心点,在一次K-means算法聚类划分后,引进调度需求量参数,将边缘站点做二次K-means算法,得到新的区域划分结果。实例分析表明,该算法有良好的全局收敛性,能有效地改善调度路径过长,调度效率低下等问题。 In order to solve the problem that the scheduling path is too long during the process of public bicycle scheduling, this paper proposes an improved K-means clustering algorithm. The K-means algorithm is used to estimate the k-center points as the initial center point. After the K-means algorithm clustering, the scheduling requirements parametears are introduced, and the K- means algorithm is obtained by the edge site to obtain Hie new regional partition result .The example shows that the algorithm has good global convergence, which can effectively improve the problem that scheduling path is too long and the scheduling efficiency is low.
出处 《信息通信》 2017年第4期42-44,共3页 Information & Communications
基金 2016年重庆市研究生科研创新项目 项目编号为CYS16171 一种基于K-means算法的公共自行车智能调度系统区域划分方法 编号:201611103426.5 一种公共自行车智能调度系统预测调度数据的获取 编号:201611058636.7
关键词 聚类分析 区域划分 K-均值算法 Clustering analysisegion division K-means algorithm
  • 相关文献

参考文献5

二级参考文献47

  • 1王晓晔,王正欧.K-最近邻分类技术的改进算法[J].电子与信息学报,2005,27(3):487-491. 被引量:25
  • 2李永森,杨善林,马溪骏,胡笑旋,陈增明.空间聚类算法中的K值优化问题研究[J].系统仿真学报,2006,18(3):573-576. 被引量:39
  • 3钱线,黄萱菁,吴立德.初始化K-means的谱方法[J].自动化学报,2007,33(4):342-346. 被引量:32
  • 4李业丽,秦臻.一种改进的k-means算法[J].北京印刷学院学报,2007,15(2):63-65. 被引量:9
  • 5袁方,周志勇,宋鑫.初始聚类中心优化的k-means算法[J].计算机工程,2007,33(3):65-66. 被引量:153
  • 6HANJ,KAMBERM.数据挖掘概念与技术[M].范明,孟小峰,译.北京:机械工业出版社,2006.
  • 7Han J, Kamber M. Data Mining Concepts and Techniques. Orlando, USA: Morgan Kaufmann Publishers, 2001
  • 8Huang J Z, Ng M K, Rang Hongqiang, et al. Automated Variable Weighting in K-means Type Clustering. IEEE Trans on Pattern Analysis and Machine Intelligence, 2005, 27 (5) : 657 - 668
  • 9Dhillon I S, Guan Yuqiang, Kogan J. Refining Clusters in High Dimensional Text Data//Proc of the 2nd SIAM Workshop on Clustering High Dimensional Data. Arlington, USA, 2002 : 59 - 66
  • 10Zhang B. Generalized K-Harmonic Means: Dynamic Weighting of Data in Unsupervised Learning//Proc of the 1 st SIAM International Conference on Data Mining. Chicago, USA, 2001 : 1 - 13

共引文献232

同被引文献8

引证文献2

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部