基于参数优化的DBSCAN算法对城管案件的聚类分析
城市管理案件的数据挖掘支持可量化分析现有数据并发现其潜在规律和知识,可用于城市公共设施部署的评估,辅助政府决策.本文基于参数优化的DBSCAN算法对典型城市管理案件进行聚类分析,并将聚类结果与城市管理部件案件进行相关性分析.针对DBSCAN算法参数对聚类结果带来的较大不确定性问题,本文提出了适用于各种统计特性数据集,并基于Ripley”s K函数和K-D树分析的方法分别进行Eps与MinPts的参数优化.实验结果表明:(1)利用Ripley”s K函数和K-D树分析确定的优化参数值反映了数据特性,其聚类簇特征明显,噪声点分布均匀,聚类质量高,提高了其适用性;(2)聚类结果与城管部件设施区位的紧密联系,验证了聚类结果的合理性.本文研究对DBSCAN算法参数确定和城市管理具有较好的参考应用价值.
城市管理 数据挖掘 聚类分析 不确定性
伏家云 靖常峰 付艳丽 杜明义
北京建筑大学测绘与城市空间信息学院,北京,100044
国内会议
深圳
中文
1-5
2016-09-23（万方平台首次上网日期，不代表论文的发表时间）