改进的K-Means聚类算法在车辆聚集分析中的应用

扫码查看

原文链接

NETL

中文摘要：聚类分析属于数据挖掘范畴,K-Means聚类分析方法是最具有代表性的划分聚类算法,无监督学习是其重要的属性.由于原理简单、容易实现等优点,对于分散的数据可以根据属性类型进行聚类,在很多领域都有较为广泛的应用.差分进化算法(DE)是一种智能优化算法,可以用来寻找全局的最优解,主要用于求解实数优化问题.本文首先介绍了K-Means聚类算法和差分进化算法的基本原理、基本流程,并且提出了K-Means聚类算法和差分进化算法相结合的方法,详细列出结合步骤.并且通过仿真实验,验证了K-Means聚类算法和差分进化算法相结合比传统的K-Means聚类算法,具有更快的收敛速度和全局寻优等特点,说明该算法的可行性.最后,通过模拟数据对出租车辆聚集等智能交通领域问题进行了简单的实验,使得该算法更具有实际工程意义.

作者：

Li Yuzhen、李玉贞、Ding Xianyong、丁贤勇、Wang Shihao、王世豪

展开 >

作者单位：

上海电科智能系统股份有限公司,上海,200063

河南警察学院,郑州,450046

关键词：

智能交通数据挖掘 K-Means聚类差分进化算法

主办单位：

中国智能交通协会

会议名称：

第十五届中国智能交通年会

会议时间：

2020-11-01

会议地点：

深圳

会议母体文献：

第十五届中国智能交通年会论文集

页码：

100-109

出版时间：

2020