[发明专利]一种基于谱聚类算法的景点路线推荐方法

权利要求书

1.一种基于谱聚类算法的景点路线推荐方法，其特征在于：包括以下步骤：

步骤1，确定游客要游览的景点，搜集这些景点的数据信息并抽象成一个无向图；

步骤2，使用弗洛伊德算法计算无向图中任意两个景点的最短距离，得到景点路径图，删除景点路径图中的无用路径，得到删除无用路径的景点路径图；

步骤3，应用谱聚类算法将步骤2得到的景点路径图上的大景区切割成两个以上小景区；

步骤4，采用模拟退火算法计算出小景区间的路线规划方案；

步骤5，选择离游客最近的一个小景区的景点作为游客的出发点，求出该小景区内的景点访问路线，再根据小景区之间的路线规划方案访问下一个小景区，分别求出每个小景区内部的景点访问路线，最终得到所有景点的总体游览路线。

2.根据权利要求1所述的一种基于谱聚类算法的景点路线推荐方法，其特征在于，步骤2包括以下步骤：

步骤2-1，通过弗洛伊德算法计算出任意两个景点i和j之间的最短距离dist[i][j]；

步骤2-2，如果两个景点i和j之间直接相连的路径长度c[i][j]大于这两个景点之间的最短距离，即c[i][j]>dist[i][j]，那么判定该路径不在这两个景点的最短路径上，删除该路径，得到删除无用路径的景点路径图。

3.根据权利要求2所述的一种基于谱聚类算法的景点路线推荐方法，其特征在于，步骤3包括以下步骤：

步骤3-1，采用高斯核函数构造所有景点的相似矩阵W和度矩阵D：

wij=exp(-cij22σ2),]]>

di=Σj=1nwij,]]>

其中，w_ij表示景点i和景点j之间的相似度，1≤i,j≤n，n表示景区内所有景点的总数，所有的w_ij构成相似矩阵W，c_ij表示景点i和景点j之间直接相连的路径的长度，如果不存在直接相连的路径，则c_ij设为∞，将所有的c_ij进行从小到大排序，最大值记为最大距离d_max，最小值记为最短距离d_min，σ表示最大距离d_max与最短距离d_min之差的10％，σ＝(d_max-d_min)*10％，d_i表示景点i的度，所有的d_i构成度矩阵D；

步骤3-2，通过相似矩阵W和度矩阵D构造对称拉普拉斯矩阵L_sym，公式如下：

L_sym＝D^-1/2LD^-1/2＝I-D^-1/2WD^-1/2，

其中，L表示拉普拉斯矩阵，L＝D-W，I表示单位矩阵；

步骤3-3，计算出矩阵L_sym的前ω个特征值及其对应的特征向量v_a，1≤a≤ω，v_a表示第a个最小特征值对应的特征向量，所有特征向量组成矩阵V；

步骤3-4，将特征向量矩阵V进行归一化，得到矩阵T，公式如下：

Tbf=vbfΣg=1ωvbg2,]]>

其中，T_bf表示归一化矩阵第b行第f列的值，v_bf表示特征向量矩阵第b行第f列的值，1≤b≤n，1≤f≤ω；v_bg表示特征向量矩阵第b行第g列的值，1≤g≤ω，表示特征向量矩阵第b行的所有列的值之和；

步骤3-5，设矩阵T的第b行向量为y_b，1≤b≤n，对这n个向量采用k-均值方法进行聚类，产生k个聚类，向量y_b所属的类别即为景点b所属的类别，每个聚类内的景点组成一个小景区，则共有k个小景区。