粒子群K-Medoids带障碍约束空间聚类分析研究
空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的带障碍约束空间聚类分析方法,设计了一个粒子群K-Medoids带障碍约束空间聚类分析算法.对比实验表明,该方法不仅兼顾了局部收敛和全局收敛性能,又充分考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具实际意义.与遗传K-Medoids带障碍约束空间聚类分析相比,该方法具有更好的可伸缩性,且所需输入的参数相对较少,更适合于对聚类速度要求较高的动态约束条件场合.
空间聚类、K-Medoids算法、粒子群优化算法、障碍约束
30
TP18(自动化基础理论)
教育部新世纪优秀人才支持计划NCET-08-0660;空间数据挖掘与信息共享教育部重点实验室开放基金项目200807;河南省高校科技创新人才支持计划2008HASTIT012;河南省自然科学基金研究项目0511011000资助:河南省科技攻关项目0624220081;郑州市科技攻关项目064SGDG25127-9
2009-12-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
2025-2029