基于面狀區(qū)域混合類型數(shù)據(jù)的空間聚類算法研究及應(yīng)用.pdf

1、聚類分析是人類認(rèn)識客觀事物最樸素、最常用的手段之一，隨著聚類分析的發(fā)展，以及近年來對聚類分析的研究，收錄了越來越多的各方面數(shù)據(jù)，如農(nóng)業(yè)氣象數(shù)據(jù)、農(nóng)業(yè)種植數(shù)據(jù)等，而這些由中尺度對地觀測系統(tǒng)產(chǎn)生的規(guī)模巨大、來源廣泛、特征多樣，豐富并廉價(jià)數(shù)據(jù)資源，為空間聚類提供了良好的數(shù)據(jù)基礎(chǔ)，但是目前關(guān)于空間聚類的研究主要集中于空間點(diǎn)屬性的聚類，至于空間面狀區(qū)域?qū)傩缘目臻g聚類則研究的相對少很多，與此同時(shí)多源、多維、多類型的數(shù)據(jù)聚類分析時(shí)，也存在一定的問題，

2、比如對空間數(shù)據(jù)重視度不高，二元性、混合型屬性數(shù)據(jù)類型不統(tǒng)一，空間數(shù)據(jù)重視度不高問題，算法有待更新，空間屬性數(shù)據(jù)連接性不夠緊密以及處理軟件和平臺復(fù)雜多樣的問題。
　　本文根據(jù)以往研究中存在的問題，從面狀的空間和屬性數(shù)據(jù)出發(fā)，對空間和屬性數(shù)據(jù)進(jìn)行細(xì)化，對屬性數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理并融入空間權(quán)重，對K-prototypes算法進(jìn)行改進(jìn)和更新，提出了Touches鄰接、鄰接合并（空間第一次合并）、種子搜索（空間第二次合并）等新的算法，并最終開