基于样本权重的出租车聚集区识别算法

• 作者: 卢红星 叶阳东 姬波
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 信息瓶颈 样本权重 模式识别 出租车 聚集区
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 数据库技术
• 页码范围: 1338-1342
• 页数: 5页
• 分类号: TP391.4
• 字数: 5809字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2013.01338

摘要

聚类技术可以用于对具有动态、随机和异步并发特性的出租车对象进行分类.但是,现有的聚类技术认为每个出租车样本对聚类的贡献相同,没有考虑到不同样本的不同影响,这在一定程度上影响了聚类的精度.提出了一种基于样本权重的出租车聚集区识别算法——SFTA_IB算法,算法引入了样本权重来充分反映不同样本的贡献度.在此基础上,将出租车视为原变量X,出租车坐标数据视为相关变量Y,,目标是寻求压缩变量T,在T中最大化保留相关变量的信息.实验表明,SFTA_IB算法可以准确识别目标样本周边的出租车聚集区,针对性地指导目标出租车个体的巡游线路,提高乘客搜寻效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬波	郑州大学信息工程学院	30	116	6.0	9.0
2	叶阳东	郑州大学信息工程学院	69	612	14.0	22.0
3	卢红星	郑州大学信息工程学院	14	19	2.0	3.0