空间邻近的点目标聚类实现方法
大小：0.92 MB 人气： 2017-12-19 需要积分：1
标签：聚类(14136)
空间聚类是空间数据挖掘和知识发现领域的主要研究方向之一，但点目标空间分布密度的不均匀、分布形状的多样化，以及“多桥”链接问题的存在，使得基于距离和密度的聚类算法不能高效且有效地识别聚集性高的点目标。提出了基于空间邻近的点目标聚类方法，通过Voronoi建模识别点目标间的空间邻近关系，并以Voronoi势力范围来定义相似度准则，最终构建树结构以实现点目标的聚集模式识别。实验将所提算法与K-means、具有噪声的基于密度的聚类（ DBSCAN）算法进行比较分析，结果表明算法能够发现密度不均且任意形状分布的点目标集群，同时准确划分“桥”链接的簇，适用于空间点目标异质分布下的聚集模式识别。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
空间邻近的点目标聚类实现方法下载
相关电子资料下载
- 使用轮廓分数提升时间序列聚类的表现 46
- 基于K-means聚类算法的图像分割 111
- 介绍一种基于最小化平方误差的聚类算法 243
- 介绍一种基于分层聚类方法的木马通信行为检测模型 785
- 深度学习聚类的综述 290
- 聚类分析中的机器学习与统计方法综述（二） 242
- 如何在 Python 中安装和使用顶级聚类算法 171
- 聚类分析中的机器学习与统计方法综述（一） 290
- 机器学习之分类分析与聚类分析 1185
- 代码实现密度聚类DBSCAN 308