原文传递
改进的K-Means聚类算法在车辆聚集分析中的应用
| 题名： | 改进的K-Means聚类算法在车辆聚集分析中的应用 |
| 正文语种： | 中文 |
| 作者： | 李玉贞 丁贤勇 王世豪 |
| 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： | 聚类分析 数据挖掘 差分进化算法 K-Means聚类算法 车辆聚集 智能交通 |
| 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。 |
| 会议日期： | 202011 |
| 会议举办地点： | 深圳 |
| 会议名称： | 第十五届中国智能交通年会 |
| 出版日期： | 2020-10-31 |
| 母体文献： | 第十五届中国智能交通年会论文集 |
检索历史
应用推荐
