行車熱點(diǎn)中無監(jiān)督聚類算法的研究與應(yīng)用.pdf

1、聚類是數(shù)據(jù)挖掘領(lǐng)域中重要的技術(shù)之一，用于發(fā)現(xiàn)數(shù)據(jù)對(duì)象中未知的分類。聚類算法不僅可以作為發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)分布的深層次信息的工具，還可以將其作為數(shù)據(jù)挖掘中的一個(gè)預(yù)處理步驟。聚類分析是要達(dá)到這樣一種目的，將數(shù)據(jù)對(duì)象劃分成不同的簇，使得同一個(gè)簇中的數(shù)據(jù)對(duì)象具有較高的相似度，不同簇中的數(shù)據(jù)對(duì)象的相似度較低。行車熱點(diǎn)是車輛行駛頻繁的地帶，它可以反映出用戶的行車規(guī)律，本文主要利用了聚類分析技術(shù)來解決行車熱點(diǎn)問題。
　　本文首先對(duì)基于劃分的K-M

2、eans聚類算法進(jìn)行了分析研究，K-Means算法的優(yōu)點(diǎn)是簡(jiǎn)單易行，時(shí)間復(fù)雜度為O(n)，并且適用于處理大規(guī)模數(shù)據(jù)集。其次就是本文的重點(diǎn)工作，針對(duì)K-Means聚類算法的聚類個(gè)數(shù)k值的確定、初始聚類中心的選取及對(duì)孤立點(diǎn)敏感這三方面缺點(diǎn)進(jìn)行了改進(jìn)，提出了改進(jìn)的算法KMSDR。算法的目標(biāo)是在確保發(fā)現(xiàn)聚類中心的同時(shí)使同一類內(nèi)的相似度大而不同類內(nèi)的相似度小。算法采用改進(jìn)的最大最小距離法選取新的聚類中心，并且根據(jù)距離閾值判斷所選中心是否孤立;其次

3、給出Dis(S，k)距離函數(shù)，并應(yīng)用此聚類函數(shù)確定最佳聚類個(gè)數(shù);用類中數(shù)據(jù)對(duì)象代替均值中心的方法降低孤立點(diǎn)對(duì)類中心點(diǎn)的影響。并且通過三組數(shù)據(jù)來對(duì)改進(jìn)的算法進(jìn)行仿真實(shí)驗(yàn)，證明KMSDR算法在聚類質(zhì)量及時(shí)間效率方面得到了改進(jìn)。最后將改進(jìn)的KMSDR算法運(yùn)用到行車數(shù)據(jù)分析系統(tǒng)的行車熱點(diǎn)問題中，并針對(duì)得到的行車熱點(diǎn)完成頁面的展示，而且在行車熱點(diǎn)基礎(chǔ)上實(shí)現(xiàn)了周邊檢索及測(cè)距的功能。
　　經(jīng)過實(shí)驗(yàn)驗(yàn)證，改進(jìn)算法能夠較準(zhǔn)確的找到行車熱點(diǎn)，并且在時(shí)