基于面状区域混合类型数据的空间聚类算法研究及应用

摘要

聚类分析是人类认识客观事物最朴素、最常用的手段之一，随着聚类分析的发展，以及近年来对聚类分析的研究，收录了越来越多的各方面数据，如农业气象数据、农业种植数据等，而这些由中尺度对地观测系统产生的规模巨大、来源广泛、特征多样，丰富并廉价数据资源，为空间聚类提供了良好的数据基础，但是目前关于空间聚类的研究主要集中于空间点属性的聚类，至于空间面状区域属性的空间聚类则研究的相对少很多，与此同时多源、多维、多类型的数据聚类分析时，也存在一定的问题，比如对空间数据重视度不高，二元性、混合型属性数据类型不统一，空间数据重视度不高问题，算法有待更新，空间属性数据连接性不够紧密以及处理软件和平台复杂多样的问题。
　　本文根据以往研究中存在的问题，从面状的空间和属性数据出发，对空间和属性数据进行细化，对属性数据进行标准化处理并融入空间权重，对K-prototypes算法进行改进和更新，提出了Touches邻接、邻接合并（空间第一次合并）、种子搜索（空间第二次合并）等新的算法，并最终开发出一款基于面状区域的空间聚类软件系统，有效的解决了数据处理简单，算法陈旧，空间数据重视不足，空间和属性数据连接不够紧密，处理平台多样复杂等问题，特别是种子搜索算法的提出，很好的避免了面状聚类中不可聚类，凌乱散块，以及不可解释单块区域（飞地）的出现，并最终生成全国农业种植区划的二级区划图，取得了良好的效果。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景

1．2 研究现状

1．3 目前研究中存在的问题

1．4 研究目的与意义

1．4．1 研究目的

1．4．2 研究意义

1．5 研究内容和技术路线

1．5．1 研究内容

1．5．2 研究技术路线

1．6 本文的结构框架

2 基本概念和空间聚类的计算方法及算法

2．1 基本概念

2．1．1 聚类分析概述

2．1．2 空间聚类分析概述

2．2 数据分类细化及对邻近相似性定义

2．2．1 空间聚类的数据类型分类细化

2．2．2 空间聚类数据的邻近与相似定义

2．3 空间邻近关系矩阵

2．3．1 Touches空间关系运算

2．3．2 四种空间距离关系计算方法

2．4 属性数据标准化及相似性度量方法

2．4．1 数据的标准化

2．4．2 属性数据相似性度量方法

2．5 属性相异度和混合属性数据相异度

2．5．1 属性相异度

2．5．2 混合属性数据相异度

2．6 K-propotypes算法及改进算法与调控测试

2．6．1 K-prototypes算法

2．6．2 K-prototypes算法的改进

2．6．3 改进方法聚类结果调控测试

2．7 综合空间聚类算法

2．7．1 空间第一次聚类合并算法

2．7．2 空间第二次聚类合并算法

3 空间聚类算法软件设计与实现

3．1 系统设计目标

3．2 系统框架设计图

3．3 系统功能设计

3．4 程序技术路线设计图

3．5 系统开发环境

3．6 系统展示

3．6．1 系统各区联系

3．6．2 系统主界面

3．6．3 系统子菜单

3．6．4 部分操作展示

4 空间聚类的应用与分析

4．1 一级区划图选定

4．2 全国农业种植数据的综合空间聚类

4．2．1 全国农业种植数据在程序中的操作和运算流程

4．2．2 各流程的程序运算结果

4．3 空间聚类结果说明和分析

4．3．1 结果说明

4．3．2 结果分析

5 结论成果与展望

5．1 结论

5．2 成果

5．3 展望

参考文献

附录

作者简历

学位论文数据集