在研究零售户聚类分析中,传统的k中心聚类方法,计算成本过大,无法有效应用于大数据集.提出了零售户聚类方法,继承CLARANS算法迭代思想,采用全局随机抽样技术,将算法应用于大型空间数据集,通过多次迭代尽量寻求最优聚类结果.聚类结果的评价标准为基于最短主干道距离(SARD)的总距离.该聚类算法是在CLARANS算法的基础上进行改进,使其能够处理带地理信息的数据对象,且聚类结果满足需求约束条件限制.
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~