SEA  >> Vol. 5 No. 5 (October 2016)

    基于主要经济指标的长三角大都市圈的城市聚类分析
    Urban Cluster Analysis of Yangtze River Delta Metropolis Circle Based on the Main Economic Indicators

  • 全文下载: PDF(535KB) HTML   XML   PP.296-302   DOI: 10.12677/SEA.2016.55034  
  • 下载量: 397  浏览量: 1,000   科研立项经费支持

作者:  

朱明放:广西师范学院科学计算与智能信息处理广西高校重点实验室,广西 南宁;江苏理工学院计算机工程学院,江苏 常州;
任艳玲:江苏理工学院电气信息学院,江苏 常州;
蒋红芬:江苏理工学院计算机工程学院,江苏 常州

关键词:
聚类分析经济指标长三角地区R软件Cluster Analysis Economic Indicator Yangtze River Delta Area R Software

摘要:

长江三角洲都市圈在我国国民经济发展中具有十分重要的地位和作用,中国经济每增长1个百分点,沪苏浙约占1/3,因此长江三角洲地区经济发展状况和水平体现着中国的经济发展状况和水平。本文根据2013年度的长江三角洲的16个城市的主要经济指标,运用R和Rattle两个开源软件,进行了城市聚类,客观评价了各个城市经济发展在长三角经济发展中的相对位置,为该地区各个城市的进一步发展和提高城市竞争力提供决策参考。

The Yangtze River Delta metropolitan area in the development of national economy in our country has a very important position and role. For each China’s economic growth of 1%, Shanghai-Su-Zhe- jiang accounts for about 1/3, therefore the Yangtze River Delta area economic development status and level embodies China’s economic development situation and level. In this paper, based on the 15 cities’ main economic indicators of the Yangtze River Delta in 2013, using R and Rattle two open source software, we has carried on the urban cluster. We have evaluated objectively the relative ranking of economic development of those cities in the Yangtze river delta economic development, providing decision-making reference to the further development of cities in the region and the improvement of urban competitiveness.

文章引用:
朱明放, 任艳玲, 蒋红芬. 基于主要经济指标的长三角大都市圈的城市聚类分析[J]. 软件工程与应用, 2016, 5(5): 296-302. http://dx.doi.org/10.12677/SEA.2016.55034

参考文献

[1] 谭晶荣, 颜敏霞, 邓强, 王健. 产业转型升级水平测度及劳动生产效率影响因素估测—以长三角地区16个城市为例[J]. 商业经济与管理, 2012, 1(5): 72-81.
[2] 卓勇良. 走向后长三角时代—长三角发展趋势与主要特征分析[J]. 浙江树人大学学报, 2005, 5(3): 32-37, 42.
[3] Han, J.W. and Kamber, M. 数据挖据概念与技术(第3版)[M]. 范明, 孟晓峰,译. 北京: 机械工业出版社, 2012.
[4] R Core Team (2014) R: A Language and Environment for Statistical Computing. http://www.R-project.org/
[5] Zhao, Y.C. (2012) R and Data Mining: Examples and Case Studies. Academic Press, New York.
[6] Torgo, L. (2010) Data Mining with R: Learning with Case Studies. CRC Press, Boca Raton.
http://dx.doi.org/10.1201/b10328
[7] Williams, G. (2011) Data Mining with Rattle and R: The Art of Excavating Data for Knowledge Discovery. Springer, New York.
http://dx.doi.org/10.1007/978-1-4419-9890-3
[8] Williams, G. (2009) Rattle: A Data Mining GUI for R. The R Journal, 2, 45-55.
[9] 周涛, 陆惠玲. 数据挖掘中聚类算法研究进展[J]. 计算机工程与应用, 2012, 47(24): 100-111.
[10] 罗贤锋, 祝胜林, 陈泽健, 袁玉强. 基于K-Medoids聚类的改进KNN文本分类算法[J]. 计算机工程与设计, 2014, 35(11): 3864-3867.
[11] 何云斌, 肖宇鹏, 万静, 李松. 基于密度期望和有效性指标的K-均值算法[J]. 计算机工程与应用, 2014, 49(24): 105-111.
[12] 上海统计局网站. 2013年1-12月长江三角洲城市主要经济指标[DB/OL]. http://www.stats-sh.gov.cn/fxbg/201407/272121.html, 2014-07-31.