1. Гринев С. А., Квинт В. Л. Формирование стратегических приоритетов промышленного развития РФ как инновационный фактор преодоления кризисных периодов // Экономика промышленности. 2023. Т. 16. № 3. С. 275–283. https://doi.org/10.17073/2072-1633-2023-3-275-283

2. Еремичева П. Ю., Карпова Г. А. Современные подходы в развитии внутреннего туризма Китая // Научные исследования молодых ученых: новая экономика и тренды в устойчивом развитии: сборник материалов XII международной науч.-практ. конф. молодых ученых, Санкт-Петербург, 2025. Санкт-Петербург: Санкт-Петербургский государственный экономический университет, 2025. С. 60–62. https://elibrary.ru/RRIMWM

3. Квинт В. Л. Концепция стратегирования. Т. 2. СПб.: СЗИУ РАНХиГС, 2022. 164 с. https://elibrary.ru/CDMBHK

4. Квинт В. Л., Трачук А. В., Дзгоев В. Д. Стратегирование национальных и региональных инновационных систем: Дайджест мировых практик для государственного и муниципального управленческого персонала. М.: Бюджет, 2021. 199 с. https://doi.org/10.34829/ KARO.978-5-6046414-0-8

5. Кучумов А. В., Еремичева П. Ю. Особенности формирования индустриальной кластерной политики в развивающихся странах Азии // π-Economy. 2025. Т. 18. № 2. С. 100–120. https://doi.org/10.18721/JE.18206

6. Оценка человеческого потенциала в стратегировании промышленных регионов России / В. Л. Квинт [и др.] // Экономика промышленности. 2025. Т. 18. № 4. 459–471. https://doi.org/10.17073/2072-1633-2025-4-1564

7. Роль географического фактора в проектировании кластеров сферы туристских услуг / Л. В. Хорева [и др.] // Профессорский журнал. Серия: Рекреация и туризм. 2024. № 2. С. 51–60. https://elibrary.ru/QZRPIP

8. Хворостяная А. С., Квинт В. Л. Разработка и реализация региональной стратегии: основные этапы и приоритеты // Север и рынок: формирование экономического порядка. 2025. Т. 28. № 3. С. 25–34. https://elibrary.ru/QRDAZZ

9. A model to analyze industrial clusters to measure land use efficiency in China / Y. Cui [et al.] // Land. 2024. Vol. 13. № 7. P. 1070. https://doi.org/10.3390/land13071070

10. A new particle swarm optimization algorithm for outlier detection: Industrial data clustering in wire arc additive manufacturing / J. Fang [et al.] // IEEE Transactions on Automation Science and Engineering. 2024. Vol. 21. № 2. P. 1244–1257. https://doi.org/10.1109/TASE.2022.3230080

11. An analysis of spatial changes in the manufacturing industry in China’s three major urban clusters from 2015 to 2019 using POI data / C. Jin [et al.] // Scientific Reports. 2025. Vol. 15. № 1. P. 7401. https://doi.org/10.1038/s41598-025-90373-w

12. An identification of industrial functional zones based on NLP: Evidence from online commercial registration data / M. Yuanting [et al.] // Sage Open. 2023. Vol. 13. № 1. https://doi.org/10.1177/21582440231153854

13. Clustering, growth, and inequality in China / D. Guo [et al.] // SSRN Electronic Journal. 2017. P. 1–47. https://doi.org/10.2139/ssrn.3159741

14. Does determination of initial cluster centroids improve the performance of K-means clustering algorithm? Comparison of three hybrid methods by genetic algorithm, minimum spanning tree, and hierarchical clustering in an applied study / S. Pourahmad [et al.] // Computational and Mathematical Methods in Medicine. 2020. Vol. 2020. № 1. P. 636857. https://doi.org/10.1155/2020/7636857

15. Entrepreneurship and industrial clusters / X. Zhu [et al.] // Small Business Economics. 2018. Vol. 52. № 3. P. 595–616. https://doi.org/10.1007/s11187-017-9974-3

16. Frattini F., Prodi G. Industrial clusters in China: Policy tools for further and more balanced development // European Review of Industrial Economics and Policy. 2012. № 5. P. hal-03469549.

17. Geographic clusters, regional productivity and resource reallocation across firms: Evidence from China / D. Guo [et al.] // Research Policy. 2023. Vol. 52. № 2. P. 104691. https://doi.org/10.1016/j.respol.2022.104691

18. Geographic concentration of industries in Jiangsu, China: A spatial point pattern analysis using micro-geographic data / X. Zhang [et al.] // The Annals of Regional Science. 2021. Vol. 66. P. 439–461. https://doi.org/10.1007/s00168-020-01026-x

19. Li G., Branstetter L. G. Does «Made in China 2025» work for China? Evidence from Chinese listed firms // NBER Working Paper Series. 2022. Vol. 53. № 6. P. 105009.

20. Nguyen S. D. Centroid-based clustering validity: Method and application to quantification of optimal cluster-data space // Soft Computing. 2024. Vol. 28. P. 10853–10872. https://doi.org/10.1007/s00500-024-09871-0

21. Pandey K. K., Shukla D. NDPD: An improved initial centroid method of partitional clustering for big data mining // Journal of Advances in Management Research. 2023. Vol. 20. № 1. P. 1–34. https://doi.org/10.1108/jamr-07-2021-0242

22. Spatial agglomeration of China’s forest products manufacturing industry: Measurement, characteristics and determinants / Z. Chen [et al.] // Forests. 2021. Vol. 12. № 8. P. 1006. https://doi.org/10.3390/f12081006

23. Spatial distribution characteristics and driving factors of little giant enterprises in China’s megacity clusters based on random forest and MGWR / J. Duan [et al.] // Land. 2024. Vol. 13. № 7. P. 1105. https://doi.org/10.3390/land13071105

24. Spatial-temporal analysis of industrial heat and productivity in China / J. Lai [et al.] // Applied Geography. 2022. Vol. 138. P. 102618. https://doi.org/10.1016/j.apgeog.2021.102618

25. Wang J., Saxena A., Sintunavarat W. An empirical study on initializing centroid in K-means clustering for feature selection // International Journal of Software Science and Computational Intelligence. 2021. Vol. 13. № 1. P. 1–16. https://doi.org/10.4018/IJSSCI.2021010101

26. Yan M., Li Q., Song Y. Spatial and temporal distribution characteristics and influential mechanisms of China’s industrial landscape based on geodetector // Land. 2024. Vol. 13. № 6. P. 746. https://doi.org/10.3390/land13060746

27. Zeng G., Hu Y., Zhong Y. Industrial agglomeration, spatial structure and economic growth: Evidence from urban cluster in China // Heliyon. 2023. Vol. 9. № 9. P. e19963. https://doi.org/10.1016/j.heliyon.2023.e19963