参考文献
[1]陈俭新,赵红岭,李润知,等.基于移动互联网技术的出行模式识别方法[J].计算机工程与设计,2015,36(9):2532-2537.
[2]Chang Y J,Newman M W.Understanding How Trace Seg-mentation Impacts Transportation Mode Detection[C]//Proceedings of 2012 ACM Conference on Ubiquitous Computing.New York,USA:ACM Press,2012:625-626.
[3]张博.基于手机网络定位的OD调查的出行方式划分研究[D].北京:北京交通大学,2010.
[4]闫彭.基于AGPS手机的交通方式识别研究[D].北京:北京交通大学,2012.
[5]韦相.基于密度改进BIRCH聚类算法[J].计算机工程与应用,2013,49(10):201-205.
[6]陶刚,闫永刚,刘俊,等.基于改进的SOM聚类连续属性离散化算法[J].计算机应用,2015,35(S1):89-92.
[7]仰孝富,齐建东,吉鹏飞,等.一种CF树结合KNN图划分的文本聚类算法[J].计算机工程,2015,41(6):114-119.
[8]丁兆颖,姚迪,吴琳.一种改进的DBSCAN的面向海量船舶位置数据码头挖掘算法[J].计算机工程与科学,2015,37(11):2061-2067.
[9]陈沛帅,琚春华.基于密度与动态阈值的任意形状聚类挖掘算法研究[J].电信科学,2012(1):75-81.
[10]Elbatta M T,Bolbol R M,Ashour W M.A Vibration Method for Discovering Density Varied Clusters[J].IERN Artificial Intelligence,2012,6(6):123-134.
[11]杨亚军,张坤龙,杨晓科.基于变化密度的自适应空间聚类方法研究[J].计算机工程,2014,40(8):58-63,69.
[12]戴阳阳,李朝峰,徐华.初始点优化与参数自适应的密度聚类算法[J].计算机工程,2016,42(1):203-209.
[13]Rodriguez A,Laio A.Clustering by Fast Search and Find of Density Peaks[J].Science,2014,344(7):1492-1496.
[14]张丽杰.具有稳定饱和度的DBCSCAN算法[J].计算机应用研究,2014,31(7):1972-1975.
[15]毕硕本,计晗,杨鸿儒.基于DBSCAN算法的郑落地区史前聚落遗址聚类分析[J].科学技术与工程,2014,32(14):266-269.
编辑索书志 |