基于空間實體聯系的空間聚類算法研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論