计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2013年
10期
3001-3006
,共6页
统计数据%轨迹模式分析%聚类%K-means
統計數據%軌跡模式分析%聚類%K-means
통계수거%궤적모식분석%취류%K-means
statistical data%pattern analysis of trajectory%clustering%K-means
统计数据轨迹一般具有重视变化趋势、数据噪声较大、模式分布不同等特点, 直接使用传统的聚类分析方法难有很好的效果。对此在K-means算法的基础上, 分别采用了归一化处理、平滑处理以及关键峰匹配等方法处理上述三个问题, 设计了一种解决系统使用轨迹模式分析问题的改进聚类方法。通过使用仿真数据与实际数据进行测试分析, 在仿真数据上改进算法显著降低了聚类的错误率。在实际数据上, 改进算法得出的聚类结果优于K-means算法, 由此证明了改进方法比传统K-means聚类算法在该问题上效果更好。
統計數據軌跡一般具有重視變化趨勢、數據譟聲較大、模式分佈不同等特點, 直接使用傳統的聚類分析方法難有很好的效果。對此在K-means算法的基礎上, 分彆採用瞭歸一化處理、平滑處理以及關鍵峰匹配等方法處理上述三箇問題, 設計瞭一種解決繫統使用軌跡模式分析問題的改進聚類方法。通過使用倣真數據與實際數據進行測試分析, 在倣真數據上改進算法顯著降低瞭聚類的錯誤率。在實際數據上, 改進算法得齣的聚類結果優于K-means算法, 由此證明瞭改進方法比傳統K-means聚類算法在該問題上效果更好。
통계수거궤적일반구유중시변화추세、수거조성교대、모식분포불동등특점, 직접사용전통적취류분석방법난유흔호적효과。대차재K-means산법적기출상, 분별채용료귀일화처리、평활처리이급관건봉필배등방법처리상술삼개문제, 설계료일충해결계통사용궤적모식분석문제적개진취류방법。통과사용방진수거여실제수거진행측시분석, 재방진수거상개진산법현저강저료취류적착오솔。재실제수거상, 개진산법득출적취류결과우우K-means산법, 유차증명료개진방법비전통K-means취류산법재해문제상효과경호。
The traditional clustering analysis method has weaknesses for analysis of pattern clustering statistical data trajectories, such as too much emphasis on changing trends, larger data noise, different distribution patterns and so on. Therefore, this paper proposed a method that based on K-means to optimize the functions used in clustering analysis. Before modeling, it eliminated the error of data sample and gave the experimental data normalized treatment, smoothing processing and critical peak matching method. Artificial and real data processing results show that the proposed method performs better than classic clustering method.