《表1 模拟数据的OD流向之间的相似性数值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种逐级合并OD流向时空联合聚类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更好地理解和分析该逐级合并策略，利用模拟数据作为示例进行介绍。模拟数据中有6条OD流向，该6个OD流向之间的相似性数值如表1所示，在OD流合并过程开始前，将每条流向看作一个初始类簇。图6(a）是待合并的模拟流向数据；图6(b）是在不设置合并等级时可能会出现的合并顺序和合并结果，因为合并的顺序是随机产生，导致最后的聚类结果可能比较差；图6(c）是以经典的自底向上的层次聚类方法进行类簇合并的顺序和合并结果，合并依据最优的合并顺序进行，每次迭代只合并一个类簇组合；图6(d）是将高相似度参数设为0.7和0.5共2个等级，利用逐级合并的层次聚类进行类簇合并的顺序和合并结果，每次迭代合并处于同一合并等级内的多个合并组合。将图6(c）和图6(d）相比较，发现得到聚类的结果虽然一致，但经典的自底向上的层次聚类方法的合并顺序更准确，同时迭代的次数也更多，考虑到每次迭代需要计算所有类簇两两之间的高相似度，当OD流向数据量较大的情形下聚类时间也更长。