面向區(qū)域信息的多密度聚類算法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著移動(dòng)終端和地理位置服務(wù)的普及，互聯(lián)網(wǎng)用戶的位置信息更容易被獲得和積累。分析潛藏在大量用戶數(shù)據(jù)中的區(qū)域信息能使企業(yè)更好地實(shí)現(xiàn)資源管理、人員分配和服務(wù)站點(diǎn)建設(shè)，減少因依據(jù)行政區(qū)域資源配置而導(dǎo)致的浪費(fèi)。
　　本文以國(guó)內(nèi)某知名分類信息平臺(tái)移動(dòng)端經(jīng)緯度數(shù)據(jù)為研究對(duì)象，實(shí)現(xiàn)面向區(qū)域信息的類目排序個(gè)性化。因該平臺(tái)市場(chǎng)覆蓋程度和用戶分享頻次不同，經(jīng)緯度數(shù)據(jù)在地域上的分布密度差距較大?，F(xiàn)有的聚類算法大多致力于發(fā)現(xiàn)任意形狀、大小的簇，很難處理密度

2、差別較大的數(shù)據(jù)集，而多密度聚類算法能有效解決這一問(wèn)題。但是現(xiàn)有的多密度聚類算法區(qū)分稀疏單元和稠密單元的閾值需人工輸入，且算法對(duì)參數(shù)非常敏感，存在一定局限性。此外，大多數(shù)的多密度聚類缺乏對(duì)網(wǎng)格內(nèi)部數(shù)據(jù)的觀測(cè)，導(dǎo)致聚類精度較低。
　　針對(duì)網(wǎng)格算法需人工參與的問(wèn)題，提出了一種自動(dòng)計(jì)算稀疏單元閾值的方法。該方法將圖像分割思想與網(wǎng)格聚類算法相結(jié)合，能夠根據(jù)數(shù)據(jù)空間自動(dòng)計(jì)算稀疏單元閾值。實(shí)驗(yàn)證明該方法能夠有效剔除大面積稀疏網(wǎng)格。為了更好地應(yīng)對(duì)

3、多密度數(shù)據(jù)，提出一種新的多密度網(wǎng)格聚類算法。算法通過(guò)窗口檢測(cè)和網(wǎng)格質(zhì)心觀測(cè)網(wǎng)格內(nèi)部數(shù)據(jù)。實(shí)驗(yàn)證明該算法能夠應(yīng)對(duì)多密度數(shù)據(jù)，在發(fā)現(xiàn)任意形狀、大小簇的同時(shí)，具有較好的時(shí)間效率，并能普遍應(yīng)用于各種數(shù)據(jù)集。
　　基于以上研究，設(shè)計(jì)并實(shí)現(xiàn)了分類信息平臺(tái)基于類目的區(qū)域信息發(fā)現(xiàn)實(shí)例。根據(jù)業(yè)務(wù)目標(biāo)選取數(shù)據(jù)維度，經(jīng)過(guò)數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理過(guò)程，使數(shù)據(jù)質(zhì)量滿足聚類要求后，采用本文提出的多密度聚類算法完成區(qū)域信息的發(fā)現(xiàn)。最后調(diào)用百度地圖開(kāi)放接口進(jìn)行數(shù)據(jù)展