典型文献
基于改进谱聚类的城市热点区域挖掘
文献摘要：
随着信息技术的快速发展,能够获取人们大量的轨迹数据.通过轨迹数据挖掘出城市热点区域,对城市规划、交通管理和一些基于位置的服务都具有重要意义.针对已有的数据挖掘方法,如 k 均值聚类算法、基于密度的聚类(Density Based Spatia Clustering of Applications with Noise,DBSCAN)算法、谱聚类(Spectral Clustering,SC)算法、密度峰值聚类(Density Peak Clus-tering,DPC)算法等,存在非凸数据集上聚类效果较差,对初始中心敏感,参数选择困难,时间复杂度较高等问题,提出基于网格划分和DPC改进谱聚类算法用于城市热点区域分析.在合成数据集上的实验结果表明,其聚类精度和时间与经典聚类算法相比具有一定的提升.在西安市出租车数据集上的实验结果表明,提出的算法能有效挖掘出城市热点区域.
文献关键词：
轨迹数据;数据挖掘;聚类;城市热点区域
中图分类号：
作者姓名：
王田雨;吉立新;李邵梅;张建朋
作者机构：
郑州大学网络空间安全学院,河南郑州450001;信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]王田雨;吉立新;李邵梅;张建朋-.基于改进谱聚类的城市热点区域挖掘)[J].信息工程大学学报,2022(03):313-319
A类：
城市热点区域,Spatia
B类：
过轨,轨迹数据挖掘,挖掘出,出城,城市规划,交通管理,基于位置的服务,挖掘方法,均值聚类,基于密度,Density,Based,Clustering,Applications,Noise,DBSCAN,Spectral,密度峰值聚类,Peak,DPC,非凸,参数选择,时间复杂度,网格划分,谱聚类算法,区域分析,合成数据集,聚类精度,西安市,出租车数据
AB值：
0.292119
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
