-
题名基于云计算技术的大规模数据聚类分析
被引量：5
- 1
-
-
作者
塔娜
-
机构
呼伦贝尔学院计算机学院
吉林大学计算机科学与技术学院
-
出处
《现代电子技术》
北大核心
2020年第15期123-126,共4页
-
文摘
考虑到传统大规模数据聚类分析算法收敛速度较慢的问题,提出一种基于云计算技术的大规模数据聚类分析算法。定义云空间内的数据变量,计算数据点密度,以计算出的密度数据为基准,整合为两个不同的数据集合,不断循环删除集合内局部密度低于平均密度的离群点,得出聚类中心。筛选远离聚类中心的点,计算数据点与聚类中心的相似系数,将保留下来的数据点划分为聚类区域,采用层次分配方法将聚类数据点分配到聚类区域中,完成大规模数据的聚类分析。实验结果表明,与传统聚类分析方法相比,所提聚类分析算法的收敛速度最高可达10 mm/s,收敛速度更快,说明该算法的收敛效果较好。
-
关键词
云计算技术
大规模数据
聚类中心
相似系数
数据点密度
收敛速度
-
Keywords
cloud computing technology
large-scale data
clustering center
similarity coefficient
data point density
convergence rate
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名道路信息提取方法综述
被引量：11
- 2
-
-
作者
李小龙
张昀
-
机构
东华理工大学测绘工程学院
-
出处
《测绘通报》
CSCD
北大核心
2020年第6期22-27,共6页
-
基金
国家自然科学基金(41501437)。
-
文摘
道路信息提取旨在使用相关数据和方法提取一条道路上的信息,如车道数量、中心线和边界线等。道路信息提取在交通规划和车辆导航等方面具有重要的应用价值。随着各种传感器设备的广泛应用,交通数据爆炸式增长,道路信息提取的方法也日新月异。本文结合近年来道路信息提取的研究进展,将道路信息提取方法按照数据来源分为基于影像视频数据、基于高密度点云数据和基于浮动车轨迹数据3类,并分别深入论述了这3类方法的主要实现算法,对这些算法模型进行了对比分析,最后探讨了现有道路信息提取方法在未来的研究趋势和面临的挑战。
-
关键词
道路信息提取
数据挖掘
时空轨迹
影像数据
浮动车数据
高密度点云数据
-
Keywords
road information extraction
data mining
time and space track
image data
floating car data
high-density point cloud data
-
分类号
P237
[天文地球—摄影测量与遥感]
-
