折半聚类算法在基于社会力的人群疏散仿真中的应用

• 作者: 刘弘 李焱 郑向伟
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 聚类算法 统计信息网格 k中心聚类 人群疏散仿真 社会力模型
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 应用前沿、交叉与综合
• 页码范围: 1491-1495,1511
• 页数: 6页
• 分类号: TP301.6
• 字数: 7207字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.05.1491

摘要

运用社会力模型(SFM)模拟人群疏散之前,需要先对人群进行聚类分组;然而,k中心聚类(k-medoids)和统计信息网格聚类(STING)这两大传统聚类算法,在聚类效率和准确率上都不能满足要求.针对这个问题,提出了折半聚类算法(BCA).该算法结合了围绕中心点聚类和基于网格聚类两类方式,并利用二分法查找思想划分网格,不需要反复聚类.先将数据用二分法划分成网格,再根据网格内数据密度选出核心网格,接着以核心网格为中心将邻居网格聚类,最后按就近原则归并剩余网格.实验结果表明,在聚类时间上,BCA平均仅是STING算法的48.3％,不到k-medoids算法的14％;而在聚类准确率上,k-medoids算法平均仅是BCA的50％,STING算法平均也只是BCA的88％.因此,BCA无论在效率还是准确率上都明显优于STING和k-medoids算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘弘	山东师范大学信息科学与工程学院	225	2144	21.0	35.0
5	郑向伟	山东师范大学信息科学与工程学院	18	293	6.0	17.0
7	李焱	山东师范大学信息科学与工程学院	5	17	2.0	4.0