|
1.
折半聚类算法在基于社会力的人群疏散仿真中的应用
李焱, 刘弘, 郑向伟
计算机应用
2017, 37 (5):
1491-1495.
DOI: 10.11772/j.issn.1001-9081.2017.05.1491
运用社会力模型(SFM)模拟人群疏散之前,需要先对人群进行聚类分组;然而,
k中心聚类(
k-medoids)和统计信息网格聚类(STING)这两大传统聚类算法,在聚类效率和准确率上都不能满足要求。针对这个问题,提出了折半聚类算法(BCA)。该算法结合了围绕中心点聚类和基于网格聚类两类方式,并利用二分法查找思想划分网格,不需要反复聚类。先将数据用二分法划分成网格,再根据网格内数据密度选出核心网格,接着以核心网格为中心将邻居网格聚类,最后按就近原则归并剩余网格。实验结果表明,在聚类时间上,BCA平均仅是STING算法的48.3%,不到
k-medoids算法的14%;而在聚类准确率上,
k-medoids算法平均仅是BCA的50%,STING算法平均也只是BCA的88%。因此,BCA无论在效率还是准确率上都明显优于STING和
k-medoids算法。
参考文献 |
相关文章 |
多维度评价
|
|