基于马氏距离和Canopy改进K-means的交通聚类算法
徐文进
马越
杜咏慧
青岛科技大学信息科学技术学院 青岛 266061
摘要：在对交通数据的研究中经常会使用到聚类算法,且不同的聚类算法有不同的特性.K-means作为其中的一种聚类算法,具有较高的准确性和实用性,但其准确性易受主观选取K值和确定初始聚类中心的影响.为了优化聚类中心和K值的选取问题,提出MC-Kmeans算法.在所提方法中,首先通过Canopy算法选取K值,然后依据马氏距离的计算准则来确定初始聚类中心,最后将K值和聚类中心的值作为K-means的参数进行聚类.将MC-Kmeans算法应用到某时间段的纽约出租车交通数据中进行实际的验证.结果表明,与K-means算法比较,所提方法准确度更高,与实际交通情况更加相匹配,更能反映区域内的交通热点情况.
关键词：K-meansCanopy算法马氏距离交通
分类号：TP301.6(计算技术、计算机技术)
资助基金：山东省自然科学基金(2018GGX105005)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1630-1635,1649 )
英文信息