基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
智能交通与智慧城市规划依赖于将城市地图进行有效的区域分割,而目前常见地图数据均基于向量化的路网无向图,传统图像领域基于像素的聚类算法无法有效完成地图分割。为解决此类问题,提出一种基于通过对路网无向图进行德劳内三角花,对地图数据进行加权K-means聚类的地图分割算法,并通过开源工具进行实现及其可视化。
推荐文章
基于Fisher线性判别率的加权K-means聚类算法
K-均值
聚类
Fisher线性判别率
特征加权
调整随机指标
类内错误率均方和
基于动态粒子群优化与K-means聚类的图像分割算法
图像分割
动态粒子群优化
K-means聚类
适应度方差
聚类算法
DPSOK
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于距离阈值及样本加权的 K-means 聚类算法
距离阈值
样本加权
K-means ,轮廓系数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于加权K-means聚类与路网无向图的地图分割算法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 加权K-means聚类 地图分割 德劳内三角化
年,卷(期) 2018,(3) 所属期刊栏目
研究方向 页码范围 78-81
页数 4页 分类号 TP301.6
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡灿林 四川大学计算机学院 3 1 1.0 1.0
2 肖尚华 四川大学计算机学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
加权K-means聚类
地图分割
德劳内三角化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导