基于人群疏散仿真的折半聚類算法
大?。?/span>0.96 MB 人氣: 2017-12-03 需要積分:1
標(biāo)簽:聚類算法(12092)
運用社會力模型( SFM)模擬人群疏散之前,需要先對人群進(jìn)行聚類分組;然而,五中心聚類(k-medoids)和統(tǒng)計信息網(wǎng)格聚類( STING)這兩大傳統(tǒng)聚類算法,在聚類效率和準(zhǔn)確率上都不能滿足要求。針對這個問題,提出了折半聚類算法(BCA)。該算法結(jié)合了圍繞中心點聚類和基于網(wǎng)格聚類兩類方式,并利用二分法查找思想劃分網(wǎng)格,不需要反復(fù)聚類。先將數(shù)據(jù)用二分法劃分成網(wǎng)格,再根據(jù)網(wǎng)格內(nèi)數(shù)據(jù)密度選出核心網(wǎng)格,接著以核心網(wǎng)格為中心將鄰居網(wǎng)格聚類,最后按就近原則歸并剩余網(wǎng)格。實驗結(jié)果表明,在聚類時間上,BCA平均儀是STING算法的48. 3%,不到k-medoids算法的14%;而在聚類準(zhǔn)確率上,k-medoids算法平均僅是BCA的50%,STINC算法平均也只是BCA的88%。因此,BCA無論在效率還是準(zhǔn)確率上都明顯優(yōu)于STING和k-medoids算法。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于人群疏散仿真的折半聚類算法下載
相關(guān)電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 10種聚類算法和Python代碼4 1118
- 10種聚類算法和Python代碼3 960
- 10種聚類算法和Python代碼2 796
- 10種聚類算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺新范式!COCs:將圖像視為點集 636
- 10種頂流聚類算法Python實現(xiàn)(附完整代碼) 989