Kernel-Kmeans:一种基于核密度估计的空间聚类算法

Kernel-Kmeans：一种基于核密度估计的空间聚类算法
张登荣;杜要;寻丹丹;刘婷
【期刊名称】《杭州师范大学学报（自然科学版）》
【年(卷),期】2017(016)003
【摘要】利用核密度估计的非参数检验特性,提出了一种基于核密度估计的Kmeans改进算法Kernel-Kmeans.该算法综合了基于划分的聚类思想以及基于密度的聚类思想,首先由核密度估计算法计算样本点的密度分布,然后对密度分布栅格进行窗口计算并取极大值来初步确定聚类中心以及聚类数量,最后将聚类中心和聚类数量作为参数输入Kmeans算法得到聚类结果.以OpenStreetMap发布的京津冀城市群点数据开展实验研究,采用算法运算时间与轮廓系数为验证指标,与Kmeans算法、极大极小改进Kmeans算法进行了对比验证,结果表明Kernel-Kmeans算法的精度高于后两者.%Basing on the non parametric test of kernel density estimation,this paper proposes an improved Kmeans algorithm based on kernel density estimation,which is called Kernel-Kmeans.This algorithm combines the idea of partition on the basis of clustering and density on the basis of clustering.Firstly,the density distribution of the sample points is calculated by the kernel density estimation algorithm,then the density distribution grid is calculated and the maximum value is calculated to determine the cluster centers and the number of clusters,finally,the cluster center and cluster quantity are input onto the Kmeans algorithm to obtain cluster results.In this paper,the point data of the city group of Beijing,Tianjin and Hebei,which is released by
OpenStreetMap,is studied,the operation time and silhouette coefficient are used to verify the pared with the Kmeans algorithm,the minimax improved Kmeans algorithm,the results show that Kernel-Kmeans has higher precision than the latter two.
【总页数】6页(P324-329)
【作者】张登荣;杜要;寻丹丹;刘婷
【作者单位】杭州师范大学遥感与地球科学研究院,浙江杭州 311121;浙江省城市湿地与区域变化研究重点实验室,浙江杭州 311121;杭州师范大学遥感与地球科学研究院,浙江杭州 311121;浙江省城市湿地与区域变化研究重点实验室,浙江杭州311121;杭州师范大学遥感与地球科学研究院,浙江杭州 311121;浙江省城市湿地与区域变化研究重点实验室,浙江杭州 311121;杭州师范大学遥感与地球科学研究院,浙江杭州 311121;浙江省城市湿地与区域变化研究重点实验室,浙江杭州311121
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种基于质量估算的空间数据流聚类算法研究 [J], 樊超;李宏伟;朱燕;施方林
2.一种基于数据流的软子空间聚类算法 [J], 朱林;雷景生;毕忠勤;杨杰
3.一种基于多属性权重的分类数据子空间聚类算法 [J], 庞宁;张继福;秦啸
4.一种基于属性空间相似性的模糊聚类算法 [J], 施伟锋; 卓金宝; 兰莹
5.一种基于网格的空间聚类算法及在基本农田规划中的应用 [J], 吴彦澎
因版权原因，仅展示原文概要，查看原文内容请购买。