基于AKD-means算法对轨迹数据的聚类研究  

作　　者：王红霞[1] 赵丽 WANG Hongxia;ZHAO Li

机构地区：[1]沈阳理工大学信息科学与工程学院,辽宁沈阳110159

出　　处：《信息技术与信息化》2023年第5期111-114,共4页Information Technology and Informatization

摘　　要：根据传统的K-means算法不能事先确定聚类分析方法的数量,在原始聚类中心选择敏感而且很容易受孤点数控制造成聚类结果不好的情况,给出了一个有效的簇中距离算法以及和原始簇中心选择相结合的AKD-means算法。首先,由提出的基于距离的LAND-DBSCAN方法,去除样本中的噪音数据并决定了其中的最佳聚类分析方法数量;其次利用提出的基于簇中心的K-means++方法进行聚类,并求出了聚类的类簇中心点。对西安市出行的轨迹数据集进行实证分析,并选择了轮廓系数、DBI、inertias等验证指数,与Kmeans算法、DBSCAN与K-means结合算法进行了对比验证,结果表明AK-means算法的精度高于后两者。

关 键 词：K-MEANS算法 DBSCAN算法 距离函数 轮廓系数 轨迹数据 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]