基于改进WPCA的OSM贡献者特征降维与分类方法

摘要

由于开放街道地图(OpenStreetMap OSM)贡献者的非专业性,其贡献经验对数据质量有着非常重要的影响,因此聚类分析不同经验的贡献者具有实际意义。在将贡献者信息特征分为3类的基础上,提出一种改进的加权主成分分析方法(WPCA)对志愿者的贡献特征进行分组归一化、加权和降维,然后采用高斯混合模型(GMM)方法将贡献者聚类成4个不同的组,最后将结果与主成分分析法(PCA)、K-Means组合方法进行比较。通过比较分析,改进WPCA与GMM组合方法比PCA与K-Means组合方法的贡献者分类效果更好。