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:
传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域.为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的Voronoi图.阐述了Voronoi单元合并的现象,证明了其发生的充要条件,提出该Voronoi图的生成算法并进行仿真.通过显微镜下嗜中性粒细胞、我国地表火点数据对算法进行验证,结果表明,该算法能够有效解决点集规模较大时,Voronoi图划分过于细致的问题,突破了传统Voronoi图单点对单点的划分形式.此外,该算法拓宽了Voronoi图在图形图像处理、生物医学、地理信息系统等领域的应用.
推荐文章
Voronoi图栅格生成算法GPU并行实现
Voronoi图
栅格法
GPU
CUDA
实时地震监测台网中Voronoi图生成算法的改进
实时地震监测
Voronoi图
Delaunay三角形
逐点插入算法
局部三角网格生长法
基于MapReduce的加权Voronoi图并行算法设计及应用
栅格Voronoi图
加权Voronoi图
MapReduce
推荐服务
图形部件Voronoi图生成算法与应用研究
部件Voronoi图
地图代数
欧氏空间
距离变换
GIS
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 面向大规模交互数据空间划分的Voronoi图生成算法及应用
来源期刊 国防科技大学学报 学科 工学
关键词 Voronoi图 聚类 自适应参数 空间划分
年,卷(期) 2022,(1) 所属期刊栏目 信息与通信工程·计算机科学与技术·电子科学技术|Information and Communication Engineering· Computer Science and Technology· Electronic Science and Technology
研究方向 页码范围 129-136
页数 8页 分类号 TP3-0
字数 语种 中文
DOI 10.11887/j.cn.202201019
五维指标
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
Voronoi图
聚类
自适应参数
空间划分
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
国防科技大学学报
双月刊
1001-2486
43-1067/T
大16开
湖南省长沙市开福区德雅路109号
42-98
1956
chi
出版文献量(篇)
3593
总下载数(次)
5
总被引数(次)
31889
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导