市政績效評估數據聚類與均衡性的應用研究.pdf

1、隨著城市規(guī)模的不斷拓展，城市管理要求的不斷提高，提高城市管理的現代化水平迫在眉睫，智慧城市應運而生。然而，智慧城市要落地，數字城管是基礎。目前，國內不少城市的數字城管已基本建成并運營了不少時間，也極大提高了城市管理水平，積累了一定的數據量。如何利用這些數據，進一步提高數字城管的管理效率，建立科學、合理的績效評估體系，構建一個基于數字城管歷史數據的科學決策方法，具有重要意義。這就是本論文的產生背景。
　　論文首先介紹了數字城管國內外

2、的研究現狀，分析了目前數字城管存在的問題，概述了論文將使用的相關技術；其次，綜述了聚類算法、聚類相似性度量、聚類有效性評估方法，分析了K-means聚類算法，針對其對初始簇心的選取敏感，需要人工指定聚類個數的問題，引用Kruskal算法和輪廓系數法對其進行了改進，利用UCI數據集當中的Glass Identification數據集驗證了改進的K-means聚類算法的可靠性和自適應性；再次，綜述了均衡性、離群點檢測，分析了LOF離群點檢測

3、算法，針對其檢測集體離群點效果差的問題，引用DBSCAN算法對其進行了改進，利用UCI數據集當中的Iris數據集驗證了改進的LOF離群點檢測算法能夠從全局和局部檢測出點離群點和集體離群點。
　　論文以重慶市某區(qū)數字城管為應用案例。首先，分析了該區(qū)數字城管的應用場景，設計了改進的數字城管的軟件結構、軟件功能結構、數據結構；其次，根據該區(qū)數字城管的數據特征，采用 ETL技術對數據抽取、清洗、轉換并加載到數據倉庫中；最后，利用OLAP技