三边原理加速的聚类分析方法处理航运信息.pdfVIP

第34卷第1期 中 国航海 V01．34No．1 2011年3月 NAVlGATIoNOFCHINA Mar．2011 文章编号：1000一4653(2011)01—0009—04 三边原理加速的聚类分析方法处理航运信息 王天真， 汤天浩， 刘 洋， 黄洪琼 (上海海事大学物流工程学院，上海，200135) 摘要：为了从大量的航运信息中挖掘有用的信息，进行了基于聚类分析的数据挖掘方法的研究。针对k-means 聚类分析中聚类精度不高和时间复杂度高的问题，在k—means++的基础上结合了三角形三边原理加速聚类的方 进的聚类方法具有较高聚类的精度，同时减少了聚类算法计算量，并将其应用到航运信息处理中，这对于航运智能 信息化有重要的意义。 关键词：水路运输；聚类分析；数据挖掘；时间复杂度；三边原理；航运信息处理 中图分类号：U675．79 文献标志码：A ToAccelerateMarineInformation ClusteringbyUsingTriangleInequality WANGTian—zhen，TANGTian—hao，LIU Yang，HUANGHong～qiong Maritime 200135，China) (LogisticsEngineeringCollege，ShanghaiUniversity，Shanghai data Abstract：Acluster methodof miningonmaritimedatabaseisstudied．Inviewoflow analysis clusteringpreci- sionand of acceleratedcluster highcomputationalcomplexityk—means++algorithm。ananalysisalgorithmusing the is actual ofmarineinformationdemonstratesthatthe triangleinequalityproposed．Anexample processing algo- rithmhas andshorter time．Theworkcontributestothe ofmarineintel— higherprecision calculating implementation ligenttransportsystem． Keywords：waterwaytransportation；datamining；clusteranalysis；computationalcomplexity；triangleinequality； marineinformation 在航运信息处理中，大量数据信息的处理是一 大难题。数据挖掘技术是20世纪90年代发展起来形三边原理提高聚类速度的方案，并将该方法应用 的一项新技术，已成为信息处理技术研究的热点。 于航运信息处理中。 聚类分析是数据挖掘中的一种重要的方法，聚类分 1 k-means++算法概述 析把一组样本数据按照相似性归成若干类别，已经 广泛应用于数据压缩、科技信息处理等许多领域。 k—means聚类问题描述为：给定的数据集X，将 k-means算法是一种经典的聚类算法。