基于空間實體聯系的空間聚類算法研究.pdf

1、空間數據挖掘是指從空間數據庫中提取用戶感興趣的空間模式與特征、空間與非空間數據的普遍關系及其它一些隱含在空間數據中的普遍的數據特征。聚類是空間數據挖掘中一種重要的挖掘任務和挖掘方法，它從空間數據庫中尋找數據間的相似性，并依此對數據進行分類，使得不同類中的數據盡可能相異，而同一類中的數據盡可能相似。本文在考慮空間關系中的方向關系和拓撲關系的基礎上對空間聚類算法進行了深入研究，主要包括以下幾個方面的內容：
　　 對現有的空間聚類算法

2、作了深入的研究，并對其優(yōu)缺點進行了比較分析。針對現有劃分聚類方法的缺點，改進了聚類算法CLARANS，提出了一種處理空間實體約束的空間聚類算法SPOC。利用空間關系中的方向關系來選擇簇的中心對象，這能夠減少形成最終劃分的迭代次數，加快算法的收斂速度；利用回溯的、非幾何的方法求解實體約束空間中兩個空間對象間的障礙距離，障礙距離的計算使得該算法具有處理空間實體約束的能力。
　　 實際應用中除了對單個空間對象進行聚類外，往往還需要對根

3、據空間拓撲關系劃分的空間對象群進行聚類。每個空間對象群包含對象的類型和數目可能各不相同。本文對空間對象群聚類問題進行了研究，提出了一種空間對象群相異度的計算方法，基于這種空間對象群的相異度計算，提出了空間對象群聚類算法SOGC。該算法在空間對象分層的基礎上定義了空間對象群的表示結構，對每層空間對象分類，計算每個空間對象群在該層對象集上的隸屬度，根據對象集的隸屬度計算不同空間對象群在相同層上的相異度，空間對象群的相異度就可以用同層對象集相

4、異度的歐氏距離表示。這種基于空間拓撲關系的空間對象群的聚類有著廣泛的應用。
　　 本文的創(chuàng)新點：
　　 1.研究了實體約束空間中障礙的表示方法，提出了實體約束空間中兩個空間對象之間最短障礙距離的計算方法。
　　 2.研究分析CLARANS聚類算法，對其進行改進，提出了一種處理空間實體約束的空間聚類算法SPOC，并通過實驗驗證了該算法的有效性。
　　 3.研究空間數據群的分層表示，計算空間對象群中對象在不同