典型文献
基于改进密度峰值聚类算法的轨迹行为分析
文献摘要：
为了深入挖掘校园无线网络轨迹行为数据信息,采用基于密度的聚类方法对校园内用户的轨迹行为进行特征聚类.由于基于密度的聚类算法通常采用距离作为相似性度量方式,为了有效衔接此类聚类算法,先将用户相似度矩阵通过转换函数转变为距离矩阵.引入离群点检测算法,将离群点检测算法与聚类算法相结合,减少参数的输入个数,增加聚类的聚合程度.改进后的聚类算法可以有效检测出数据轨迹的异常,帮助高校通过对学生上网记录的处理找到浏览信息与大部分同学不一致的人,缩小目标范围,进行有针对性的处理.通过定性分析和实验对比验证,确定两种基于离群点检测的共享最近邻的快速搜索密度峰值聚类适用于校园无线网络行为轨迹相似度矩阵的处理,邓恩指数等聚类内部指标及整体性能优于同类算法.
文献关键词：
聚类分析;密度峰值;离群点检测;校园无线网络
中图分类号：
作者姓名：
吕奕;刘漫丹
作者机构：
华东理工大学 化工过程先进控制和优化技术教育部重点实验室,上海 200030
文献出处：
引用格式：
[1]吕奕;刘漫丹-.基于改进密度峰值聚类算法的轨迹行为分析)[J].计算机工程与应用,2022(17):314-324
A类：
B类：
密度峰值聚类算法,行为分析,校园无线网络,行为数据,聚类方法,校园内,特征聚类,基于密度的聚类算法,相似性度量,度量方式,类聚,用户相似度,相似度矩阵,转换函数,距离矩阵,离群点检测,检测算法,有效检测,上网,浏览,缩小目标,实验对比,对比验证,共享最近邻,网络行为,行为轨迹,轨迹相似度,内部指标,整体性能
AB值：
0.317435
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。
