隨著大數(shù)據(jù)的飛速發(fā)展,交通、醫(yī)療、電信等各個領(lǐng)域都產(chǎn)生了海量的數(shù)據(jù),分析并挖掘出海量數(shù)據(jù)內(nèi)部隱含的信息并用以輔助決策越來越重要。數(shù)據(jù)挖掘是一種分析海量數(shù)據(jù)內(nèi)部潛在規(guī)律的重要手段,可以自動尋找數(shù)據(jù)中包含的模式和趨勢。而聚類是一種重要的數(shù)據(jù)挖掘方法,在圖像處理、模式識別、知識發(fā)現(xiàn)等領(lǐng)域都有著重要的應(yīng)用。然而,數(shù)據(jù)量的大規(guī)模增長對聚類算法的運算精度和運算時間都有著較高的要求,因此聚類算法也需要不斷改進(jìn)以適應(yīng)大規(guī)模數(shù)據(jù)的需求。城市熱點區(qū)域一直被視為研究居民流動規(guī)律的重要手段,而出租車的GPS數(shù)據(jù)具有易獲取、應(yīng)用價值高、數(shù)據(jù)量大等特點,因此使用出租車數(shù)據(jù)進(jìn)行城市熱點區(qū)域的提取與分析,得到的結(jié)果可以為人們出行提供合適的指導(dǎo)并提高城市資源的利用效率。基于密度的聚類算法具有對異常點不敏感、可以聚類任意形狀的簇等優(yōu)點。2014年Alex等人提出了一種密度峰值聚類算法(DPC),它是一種新的基于密度的聚類算法,該算法只需要計算兩個參數(shù):局部密度?和高密度距離?,算法的計算過程簡單并且無需事先指定聚類中心,因此迅速得到了廣泛的應(yīng)用。但是DPC算法在聚類時需要計算所有數(shù)據(jù)點之間的相關(guān)參數(shù),因此算法的時間復(fù)雜度...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究問題
        1.1.3 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 密度聚類算法研究現(xiàn)狀
        1.2.2 城市熱點區(qū)域提取研究現(xiàn)狀
    1.3 研究內(nèi)容及技術(shù)路線
        1.3.1 主要研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)理論與方法
    2.1 密度峰值聚類算法
    2.2 網(wǎng)格聚類算法
    2.3 城市熱點區(qū)域提取方法
3 網(wǎng)格K近鄰密度峰值聚類算法
    3.1 網(wǎng)格密度峰值聚類算法
    3.2 網(wǎng)格K近鄰密度峰值聚類算法
    3.3 算法復(fù)雜度分析
    3.4 數(shù)值實驗
    3.5 本章小結(jié)
4 城市熱點區(qū)域提取與分析
    4.1 工作日與周末熱點區(qū)域動態(tài)變化分析
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 聚類過程及結(jié)果分析
    4.2 節(jié)假日熱點區(qū)域分析
    4.3 熱點區(qū)域連接緊密程度分析
        4.3.1 不同簇間的連接緊密程度
        4.3.2 簇內(nèi)的連接緊密程度
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：3903202