基于人群疏散仿真的折半聚類算法
大小：0.96 MB 人氣： 2017-12-03 需要積分：1
標簽：聚類算法(12092)
運用社會力模型（ SFM）模擬人群疏散之前，需要先對人群進行聚類分組；然而，五中心聚類（k-medoids）和統計信息網格聚類（ STING）這兩大傳統聚類算法，在聚類效率和準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）。該算法結合了圍繞中心點聚類和基于網格聚類兩類方式，并利用二分法查找思想劃分網格，不需要反復聚類。先將數據用二分法劃分成網格，再根據網格內數據密度選出核心網格，接著以核心網格為中心將鄰居網格聚類，最后按就近原則歸并剩余網格。實驗結果表明，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無論在效率還是準確率上都明顯優于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（附完整代碼） 989