凌源市中心商贸集聚区规划实践研究

该文以凌源市中心商贸集聚区规划为例,对商贸集聚区规划的目标、原则、模式、策略等进行实践研究.以产业布局特色为依托,打造区域性物流产业集聚带,培育多点支撑的商贸流通体系,积极扩充商业业态结构,促进现代服务业的发展,奠定凌源市经济社会发展新格局.     

武汉市夜间经济载体空间分布格局研究

基于武汉市主要夜间经济载体空间位置,运用平均最近邻指数、核密度等分析方法,从空间分布形态、空间分布模式、空间集聚区三个方面揭示武汉市夜间经济载体空间分布格局.研究表明：1) 武汉市夜间经济载体空间分布不均衡,汉口、武昌、汉阳分别形成大面积片状分布、“L”型带状分布、点轴分布形态.2) 武汉市夜间经济载体均为集聚分布模式,总体集聚程度较高,各类型夜间经济载体集聚程度差异明显.3) 武汉市夜间经济载体集聚于主要商圈和区域性商业中心,商圈周边形成6个主要集聚区,区域性商业中心形成多个小规模集聚点.     

科技人力资源区域集聚效应的度量

提出综合数量与质量特征的科技人力资源集聚指数,以刻画科技人力资源的区域集聚水平. 通过对影响区域科技创新能力要素的分析,构建基于科技人力资源区域集聚指数的知识生产模型,表明科技人力资源区域集聚效应可以利用单位经费投入产出来度量;并对2006年不同区域的科技人力资源的集聚效应的数据进行了分析. 在人均知识创新能力方面,中心城市北京、上海、天津具有压倒性的优势.     

我国智慧养老产业的区域集聚特征和空间发展模式

依托国内“企查查”网站的智慧养老企业数据，采用核密度估计、区位熵、局部莫兰指数与线性回归等方法，探讨我国智慧养老产业的区域集聚特征。研究结果显示：我国智慧养老产业的集聚分布已出现溢出效应且形成六大产业中心；各省份的产业集聚较明显，但省际的产业集聚不够明显；智慧养老的基础产业及工业表现为内陆型集聚，而服务业则呈现沿海型集聚；各省份智慧养老的基础产业、工业和服务业的企业数量与该省份一二三产业GDP显著正相关，同时第一产业GDP对智慧养老企业数量的正向影响最大；智慧养老产业已形成了长三角融合服务模式、粤港澳协同发展模式、成渝竞争发展模式和京津冀均衡发展模式等空间集群发展模式。     

广东省城市集聚形态的分维研究

在城市体系中,一些城市处于中心地位,另一些城市处于边缘地位,这种关系是由多种因素造成的,其中一个最重要的因素是城市间的相对位置关系.本文尝试通过引入中心集聚维数模型来研究广东省地级市及其以上城市的相对位置关系和分布特征,结果显示:广东省地级及其以上城市在空间关系上呈现出强烈的集聚形态,并且向广州市集聚的程度强于向深圳市集聚的程度.     

南京创意产业集聚发展研究

以南京为实证地区,对其创意产业的空间集聚现象进行探讨.总结南京创意产业集聚发展现状、集聚发展的优势条件和两种主要的集聚模式,在此基础上,更进一步对南京创意产业的空间集聚程度进行了定量判断,指出南京创意产业集聚区位特征:城市中心区域、偏好城市文化品质良好的地段及高校附近,其中城市中心区集聚度最高.最后,归纳分析了南京创意产业集聚的驱动力.     

我国金融业集聚的发展态势分析

近些年来随着我国经济的快速发展,我国的金融集聚水平总体上在提高,东部沿海地区,特别是长江三角洲、珠江三角洲和环渤海地区是我国金融业的主要集聚地区。为了更好的理解金融集聚的发展态势,本文根据金融业的集聚现状、集聚中心的选择等方面对金融集聚的发展态势进行分析。     

面向2035年中国科技人才集聚机制研究

面向2035年,中国科技人才集聚在推动中国科技创新、促进产业升级、提高经济竞争力等方面的作用日益突出,探索中国科技人才集聚机制对增强中国科技实力意义重大.通过对中国科技人才集聚现状、科技人才集聚效应、科技人才集聚的影响因素及科技人才集聚模式梳理的基础上,构建面向2035年中国科技人才集聚机制的框架.提出集聚全球科技人才...     

专业村集聚的形成机理——以河南省专业村为例

河南省专业村集聚呈现"大范围分散,小范围集聚"的空间特征,中心-外围空间模式突显.可借助空间界面理论、距离衰减定律来解释专业村集聚的形成机理.(1)创新扩散、地理邻近性是专业村集聚的主要路径;(2)关键因素、完善的网络体系是专业村集聚的关键力量;(3)规模经济、龙头企业带动是专业村集聚的内在需求;(4)政府行为、能人引领是专业村集聚的助推外力.     

北京中心城区特色小吃网点的空间分布特征——以沙县小吃和成都小吃网点为例

小吃是餐饮业的重要组成部分,其空间格局分布会直接影响居民和游客的行为决策。选取北京市中心城区范围内的沙县小吃和成都小吃网点为研究对象,以小吃网点POI数据和GIS空间数据作为数据源,运用GIS空间分析、核密度估算等方法,对北京中心城区的沙县小吃和成都小吃网点的空间分布特征进行了比较分析,结果表明,小吃网点的空间分布特征为:各区的分布差异较大;两类小吃网点在各圈层分布差异较小;道路环线小吃网点分布由中心向外围呈"金字塔型";小吃网点分布的道路邻近性强于地铁邻近性。小吃网点的集聚特征为:小吃网点空间集聚呈现弱向心性分布;小吃网点空间集聚特征显著,内部结构差异较大。根据以上研究结论,结合市政规划,按城区分类,对北京中心城区小吃网点的分布提出建议:重组旧城区小吃网点;按城区功能定位重新规划分布新城区小吃网点。     

散乱点云去噪算法的研究与实现

提出了一种快速去除散乱点云数据表面噪声和离群点的鲁棒滤波算法.应用核密度估计聚类方法,通过Mean-Shift迭代过程将每一个采样点"漂移"到核密度估计函数的局部最大值点,该最大值点确定了点云数据的聚类中心并能准确逼近原始曲面,使点云曲面收敛为一个稳定的三维数字模型.算法中的似然估计函数充分考虑了散乱点的法矢方向,因此不仅可以去除不同幅度的噪点,还可以用简单的阈值条件很容易地检测出离群点的聚类,从而实现了点云数据的高效快速光顺去噪.     

PSO高斯诱导核模糊c均值聚类算法*

为了避免陷入梯度法局部极值以提升模糊聚类算法聚类性能,提出PSO高斯诱导核模糊c均值聚类算法(PSO Gauss-induced kernel fuzzy c-means clustering algorithm, PSO-GIKFCM)。首先将高斯核函数应用于模糊c聚类算法(FCM)目标函数,得到高斯核模糊聚类目标函数。然后在高斯核特征空间和输入空间利用梯度法得到两空间聚类中心,将特征空间聚类中心与样本的内积核矩阵代入输入空间聚类中心,从而得到高斯诱导核的聚类中心。最后在解空间利用粒子群算法(PSO)对模糊隶属度进行寻优估计,并结合目标函数和聚类中心构成PSO-GIKFCM参数估计迭代流程。PSO-GIKFCM算法基于粒子群算法保证其收敛性,聚类中心仅为模糊隶属度的函数,PSO生物进化算法在解空间全局寻找优解,且将模糊指标扩展为大于0的情况。通过仿真实验验证了所提出算法的有效性。     

空间数据库反向最近邻聚类方法

针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果, 导致空间数据分量失真, 存在聚类精度低、 耗时长的问题, 提出一种空间数据库反向最近邻聚类方法. 首先, 通过选取训练样本集实现核矩阵的特征分解, 获得其距离特征修正值去除初始值的影响; 然后, 根据核主成分分析（KPCA）降维并结合降维后的距离特征反向结果, 利用反向最近邻聚类方法与扩展的部分失真搜索法相结合, 实现空间数据的聚类; 最后利用选定的聚类中心对数据集进行计算, 计算数据集第一维分量与聚类中心第一维分量之间的失真, 得到反向最近邻, 直至所有空间数据均找到所属类别, 最终完成空间数据库反向最近邻聚类. 实验结果表明, 该方法提高了空间数据的聚类精度, 减少了空间数据聚类所用时间.     

基于改进Fast-MCD的稳健数据预处理方法

对于工业过程数据中的离群点,一般采用稳健估计技术处理.针对Fast-MCD算法中初值随机给定,以及当样本数据较大时,人为给定分堆个数的缺点,提出了一种基于模糊聚类的改进稳健估计算法,即采用聚类中心及聚类个数分别作为Fast-MCD算法的初值及分堆个数选择依据,从而提高计算效率,并使样本数据较大时的分堆计算更合理.将本方...     

基于均值密度中心估计的k-means聚类文本挖掘方法

文本挖掘作为数据挖掘的重要研究领域,是检索有用文本信息的重要手段。通过对K-means聚类挖掘方法的基本原理和实现步骤的分析,发现随机选择聚类中心迭代初值、奇异点问题是制约其发展的技术瓶颈,针对该方法的不足,提出了一种基于均值密度中心估计的K-means聚类文本挖掘方法,采用基于均值密度的聚类中心初值估算取代原有方法的随机选取模式,设计自适应的邻域形状选择机制,用均值密度配合阈值消除奇异点。实验结果表明,提出的方法提高了K-means聚类方法的文本挖掘性能,使得文本挖掘查准率得到很大的提高,不仅强于一般K-means均值聚类方法,且和新近流行的自组织神经网络聚类方法相比也具有一定的优势。     

基于核熵成分分析的热轧带钢自适应聚类分析

为提高热轧带钢力学性能离线检测的针对性和生产过程控制的实时性,提出利用聚类分析方法实现生产状态的聚类,对错分或离群样本进行力学性能的重点检测.常用的高斯核主成分聚类分析中假设数据服从正态分布,以方差大小提取核主成分,而实际生产数据分布复杂,拟采用核熵主成分分析,并自适应选取核参数和聚类数,实现生产状态的自适应聚类.利用实际生产数据进行方法验证,与核主成分聚类分析相比具有更好的聚类结果,聚类正确率从86.23％提高到96.51％,更加有效地提高了质量检测的针对性.     

核k-凝聚聚类算法

为解决k-means聚类算法和k-凝聚聚类算法对于非凸形状数据聚类正确率低和模糊核聚类算法(FKCM)收敛速度慢的问题,将k-凝聚聚类算法与核函数方法相结合,在高维特征空间构造了新的核聚类算法--核k-凝聚聚类算法,实现了k-凝聚聚类算法的核化.通过Matlab编程进行数值实验,证明了核k-凝聚聚类算法在聚类的准确性、稳定性、健壮性等方面较之k-means聚类算法、k-凝聚聚类算法和FKCM有一定程度的改进.     

基于粒子群的三支聚类算法

针对K均值聚类(K-means)算法处理复杂问题时易陷入局部最优值、聚类质量较差等不足,提出一种基于粒子群的三支聚类算法.该算法先以随机产生的聚类中心组合作为初始粒子,构成粒子群;然后,通过调整算法中的速度公式参数,使粒子在迭代过程中能较快速地找出全局最优解,即最优的聚类中心;最后,采用三支决策的方法考察数据与类的关系,把确定归属的数据分配到类的核心域,归属不确定的数据分配到类的边界域.实验结果验证了所提算法的有效性,在寻找全局最优值和聚类结果准确性等方面算法都具有较好的性能.     

一种基于近似类抽样的组合聚类方法

FCM聚类算法具有线性的时间复杂度,但它对初始化非常敏感。而k-中心点轮换法对初始化不太敏感,但其缺点就是时间复杂度较高,不能直接应用到海量数据集的聚类分析中。为克服这两类聚类算法的缺点,而充分利用它们的优点,很自然地提出一种基于近似类抽样的组合聚类算法。这种组合聚类算法的时间复杂度是O（n2m）。仿真实验表明,它具有稳定的聚类结果。     

基于核模糊C均值的异常检测方法

探索聚类方法在异常检测中的应用,提出了一种基于核的模糊C均值的异常检测方法.该方法使用核的模糊C均值对网络数据进行聚类,并使用基于簇内距离的判断规则对聚类结果进行标定,从而识别出攻击.使用KDD CUP1999数据集进行实验,结果表明本文表现出了高检测率和低误报率的良好性能.