一种基于地理位置人群分类的非参数聚类方法

• 作者: 张晖 李波 杨春明 赵旭剑 邱运芬
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 地理位置 人群分类 分层狄利克雷过程 潜在狄利克雷分布 亲和力聚类
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 7-10
• 页数: 4页
• 分类号: TP301
• 字数: 3687字
• 语种: 中文
• DOI: 10.11907/rjdk.162466

摘要

地理位置作为用户生活轨迹的具体表现,在人群分类中有着举足轻重的作用.地理位置数据具有高维稀疏性,已有人群分类方法需对位置数据进行特征选择并提前确定特征数,实际应用中存在不便.针对该问题,提出基于地理位置人群分类的一种非参数聚类方法.该方法首先利用分层狄利克雷过程(Hierarchical Dirichlet Process,HDP)无监督学习出最佳特征个数;然后利用潜在狄利克雷分布(Latent Dirichlet Allocation,LDA)对位置数据进行特征选取,同时得到功能特征概率矩阵;最后将其作为聚类权向量计算用户间的相似度,利用亲和力聚类(Affinity Propagation,AP)实现人群分类.实验结果表明,该方法较传统方法消耗时间更少、占用内存更低,且同时具有较高的F-measure.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晖	西南科技大学计算机科学与技术学院	77	563	14.0	21.0
2	赵旭剑	西南科技大学计算机科学与技术学院	36	196	8.0	13.0
3	李波	西南科技大学计算机科学与技术学院	54	264	9.0	14.0
5	杨春明	西南科技大学计算机科学与技术学院	49	307	10.0	16.0
6	邱运芬	西南科技大学计算机科学与技术学院	2	4	2.0	2.0