排序方式: 共有3条查询结果,搜索用时 265 毫秒
1
1.
提出基于集合差异度的聚类算法. 算法通过定义的集合差异度和集合精简表示,直接进行一个集合内所有对象总体差异程度的计算,而不必计算两两对象间的距离,并且在不影响计算精确度的情况下对分类属性高维数据进行高度压缩,只需一次数据扫描即得到聚类结果. 算法计算时间复杂度接近线性. 实例表明该算法是有效的. 相似文献
2.
物流配送客户聚类问题是物流配送研究领域的基本问题,实际问题要求考虑客户分布的地理特性、客户配送量(即需求量)及配送车辆负载量等因素.针对配送中心未知的客户聚类问题,提出了一种考虑配送路网结构和配送量约束的聚类算法.利用所提出的"最短主干道距离",克服传统欧式距离不考虑配送道路信息的缺陷,在此基础上,利用约束聚类思想对传统k中心划分聚类算法CLARANS进行改进,使其在考虑地理信息的同时,能满足客户配送量和车辆负载量约束.最后对提出的算法进行了数值实验. 相似文献
3.
1