GIS系統(tǒng)中基于網(wǎng)格密度的空間聚類算法的研究與應(yīng)用.pdf

1、空間數(shù)據(jù)挖掘或空間知識(shí)發(fā)現(xiàn)是指從包含空間信息的數(shù)據(jù)庫(kù)中抽取隱含的知識(shí)、空間關(guān)系或非顯式存儲(chǔ)在數(shù)據(jù)庫(kù)中有意義的特征或模式.此技術(shù)在理解空間數(shù)據(jù)、獲取空間與非空間數(shù)據(jù)的內(nèi)在關(guān)系上具有重要意義.隨著以GIS(地理信息系統(tǒng))為代表的空間信息系統(tǒng)的快速發(fā)展,空間信息大量產(chǎn)生,空間數(shù)據(jù)挖掘己成為當(dāng)前亟待研究的重要課題.聚類是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)主要問(wèn)題,聚類操作主要指在將一組樣本劃分為若干簇,使得簇內(nèi)樣本具有較大的相似性,而簇間樣本具有較小的相似性

2、.空間聚類是在空間信息上的聚類,它繼承了一般聚類的基本特征,研究對(duì)分布在空間中的對(duì)象實(shí)施聚類,從而發(fā)現(xiàn)空間集簇的過(guò)程.本文首先研究了以GIS為代表的空間信息系統(tǒng)中所存儲(chǔ)的空間對(duì)象的分布特征,介紹了地理空間對(duì)象分布的二重性,研究了基于坐標(biāo)的二維空間聚類的主要內(nèi)容和特點(diǎn),最后總結(jié)了應(yīng)用于GIS系統(tǒng)的空間聚類方法的主要任務(wù)和所應(yīng)具有的特點(diǎn).隨后,本文研究了目前已有的各類主要聚類算法,分析其特點(diǎn),并著重研究了基于網(wǎng)格密度的聚類方法及其在基于坐標(biāo)

3、的二維空間聚類上的應(yīng)用.進(jìn)一步的,分析了該方法的特點(diǎn)和不足,在保留原方法的功能(即發(fā)現(xiàn)二維空間中高密度網(wǎng)格的最大密集連通區(qū)域作為聚類集簇)不變的前提下改進(jìn)原方法,使其可以同時(shí)發(fā)現(xiàn)最大密集連通區(qū)域中以密集中心為代表的若干子區(qū)域,并且構(gòu)造兩種不同類型區(qū)域的二層結(jié)構(gòu).進(jìn)一步的設(shè)計(jì)了一種推薦參數(shù)的方法,可以在用戶不主動(dòng)設(shè)定參數(shù)的情況下,自動(dòng)產(chǎn)生一組可以獲得較優(yōu)結(jié)果的參數(shù)值.在處理二維空間障礙上,本文介紹并研究了目前已有的處理空間障礙的主要方法,