面向GML的空間聚類(lèi)研究.pdf

1、GML（Geography Markup Language）提供適用于Internet環(huán)境的空間信息編碼方式，用于空間數(shù)據(jù)傳輸和存儲(chǔ)，以一種可擴(kuò)展和標(biāo)準(zhǔn)化的方式為基于Web的GIS建立良好的基礎(chǔ)。
　　 已有的空間聚類(lèi)是面向空間關(guān)系數(shù)據(jù)庫(kù)的，本文對(duì)面向GML的空間聚類(lèi)作了較深入的研究，取得了如下一些成果：
　　 1．提出了一種GML文檔結(jié)構(gòu)聚類(lèi)算法CLU_REP，該算法在凝聚的層次聚類(lèi)中引入代表樹(shù)的計(jì)算，通過(guò)計(jì)算最大頻繁

2、Induced子樹(shù)得到簇的代表樹(shù)，通過(guò)對(duì)代表樹(shù)的比較發(fā)現(xiàn)新的簇，并更新新簇的代表樹(shù)來(lái)完成聚類(lèi)，不僅減少了聚類(lèi)的時(shí)間開(kāi)銷(xiāo)，而且為每個(gè)簇形成聚類(lèi)描述。實(shí)驗(yàn)結(jié)果表明算法CLU_REP是有效的，且具有較高的效率。
　　 2．提出了一種GML文檔結(jié)構(gòu)聚類(lèi)算法CLU_MCF，該算法基于閉合頻繁Induced子樹(shù)進(jìn)行聚類(lèi)，聚類(lèi)過(guò)程中不需樹(shù)之間的兩兩相似度比較，而是挖掘GML文檔數(shù)據(jù)庫(kù)的閉合頻繁Induced子樹(shù)，為每個(gè)文檔求解一個(gè)閉合頻繁In

3、duced子樹(shù)作為該文檔的代表樹(shù)，將具有相同代表樹(shù)的文檔聚為一類(lèi)。聚類(lèi)過(guò)程中自動(dòng)生成簇的個(gè)數(shù)，為每個(gè)簇形成聚類(lèi)描述,而且能夠發(fā)現(xiàn)孤立點(diǎn)。實(shí)驗(yàn)結(jié)果表明算法CLU_MCF是有效的，且具有較高的效率。
　　 3．提出了一種GML文檔結(jié)構(gòu)聚類(lèi)算法CLU_MFP，以GML文檔中的路徑表示GML文檔結(jié)構(gòu)，挖掘所有GML文檔路徑中的最大頻繁路徑，以GML文檔包含的最大頻繁路徑為特征進(jìn)行GML文檔結(jié)構(gòu)聚類(lèi)，聚類(lèi)過(guò)程中利用全局準(zhǔn)則函數(shù)進(jìn)行聚類(lèi)的劃

4、分，大大縮短了聚類(lèi)的時(shí)間開(kāi)銷(xiāo)。該聚類(lèi)不需要事先確定聚類(lèi)個(gè)數(shù)。實(shí)驗(yàn)結(jié)果表明算法CLU_MFP是有效的，且具有較高的效率。
　　 4．提出了一種面向GML的空間對(duì)象聚類(lèi)算法SCAR_GML，該算法基于空間鄰近關(guān)系對(duì)空間對(duì)象進(jìn)行聚類(lèi)，而傳統(tǒng)的空間聚類(lèi)算法僅僅把空間上鄰近的對(duì)象聚為一類(lèi)。
　　 SCAR_GML計(jì)算空間對(duì)象之間的鄰近關(guān)系，以鄰近關(guān)系作為空間對(duì)象的相似性度量，同簇的空間對(duì)象在空間位置上也許相距較遠(yuǎn)，但是卻具有相似的