基于空间实体联系的空间聚类算法研究

摘要

空间数据挖掘是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在空间数据中的普遍的数据特征。聚类是空间数据挖掘中一种重要的挖掘任务和挖掘方法，它从空间数据库中寻找数据间的相似性，并依此对数据进行分类，使得不同类中的数据尽可能相异，而同一类中的数据尽可能相似。本文在考虑空间关系中的方向关系和拓扑关系的基础上对空间聚类算法进行了深入研究，主要包括以下几个方面的内容：
　　 对现有的空间聚类算法作了深入的研究，并对其优缺点进行了比较分析。针对现有划分聚类方法的缺点，改进了聚类算法CLARANS，提出了一种处理空间实体约束的空间聚类算法SPOC。利用空间关系中的方向关系来选择簇的中心对象，这能够减少形成最终划分的迭代次数，加快算法的收敛速度；利用回溯的、非几何的方法求解实体约束空间中两个空间对象间的障碍距离，障碍距离的计算使得该算法具有处理空间实体约束的能力。
　　 实际应用中除了对单个空间对象进行聚类外，往往还需要对根据空间拓扑关系划分的空间对象群进行聚类。每个空间对象群包含对象的类型和数目可能各不相同。本文对空间对象群聚类问题进行了研究，提出了一种空间对象群相异度的计算方法，基于这种空间对象群的相异度计算，提出了空间对象群聚类算法SOGC。该算法在空间对象分层的基础上定义了空间对象群的表示结构，对每层空间对象分类，计算每个空间对象群在该层对象集上的隶属度，根据对象集的隶属度计算不同空间对象群在相同层上的相异度，空间对象群的相异度就可以用同层对象集相异度的欧氏距离表示。这种基于空间拓扑关系的空间对象群的聚类有着广泛的应用。
　　 本文的创新点：
　　 1.研究了实体约束空间中障碍的表示方法，提出了实体约束空间中两个空间对象之间最短障碍距离的计算方法。
　　 2.研究分析CLARANS聚类算法，对其进行改进，提出了一种处理空间实体约束的空间聚类算法SPOC，并通过实验验证了该算法的有效性。
　　 3.研究空间数据群的分层表示，计算空间对象群中对象在不同层上属性分布的隶属度，提出了空间对象群相异度的计算方法。
　　 4.在空间对象群相异度的基础上提出了基于空间拓扑关系的空间对象群聚类算法SOGC。

目录

文摘

英文文摘

声明

第1章 绪论

第2章 空间数据的特性和常用空间聚类算法

第3章 空间实体约束聚类算法概述

第4章 处理空间实体约束的空间聚类算法SPOC

第5章 空间对象群的聚类算法SOGC

第6章 总结与展望

参考文献

在读期间发表的学术论文及研究成果

致谢