公开(公告)号：CN109508744A

公开(公告)日：2019-03-22

申请号：CN201811350794.9

申请日：2018-11-14

Applicant: 桂林电子科技大学

Inventor： 李凤英 ,  杨恩乙

IPC: G06K9/62 ,  G06Q50/14

Abstract: 本发明提供了一种旅游景点的分类方法，与传统的旅游景点分类机制相比，该方法综合的考虑旅游景点的各个特征值，能准确客观的反映出旅游景点的实际档次，能够给游客的出行提供保障，作出合适的游览安排，能有效的降低人为因素带来的影响，客观的反映景区的实际环境，能为游客的决策提供一定的参考。不管对于旅游景区而言，还是游客，都有非常重要的意义，在预测分类的速度上，与传统的KNN算法相比，速度明显提升，由于充分的考虑旅游景点的各个特征，算法不会造成一定的特征损失，分类准确率高，然后对这些特征值进行标准化处理，改善了原有的K近邻算法的性能和效率。

公开(公告)号：CN110532438A

公开(公告)日：2019-12-03

申请号：CN201910752975.2

申请日：2019-08-15

Applicant: 桂林电子科技大学

Inventor： 李凤英 ,  杨恩乙

IPC: G06F16/901 ,  G06F16/904 ,  G06F16/906

Abstract: 本发明公开一种基于聚类和K2-tree的大规模图数据表示方法，先采用了网格聚类算法充分的邻接矩阵中的稠密区域，从而使得大量的1值被包含在稠密区域中。相比于原始邻接矩阵，每个稠密区域的边长大大降低，减少了K2-tree查询操作中从顶层到叶子节点需要的递归次数，增加了存储空间利用率。在处理上百万个节点和边的图数据时，本方法能够对其高效紧凑准确的表示，并且还能支持节点邻居查询操作。