基于属性—关系综合相似度的聚类算法*

为弥补属性空间聚类方法只关注对象属性信息以及结构聚类方法只关注对象间关系信息的不足,提出一种基于属性-关系综合相似度的聚类算法.在构建基于属性距离的有权网络后,算法给出对象间综合相似度以及类间综合相似度的计算方法,并设计相应策略自底向上实现聚类.与属性空间聚类和结构聚类方法相比,该算法由于兼顾了属性和关系信息而具有更高...     

兼顾属性距离及关系强度的密度聚类算法

传统属性空间的密度聚类算法仅考虑对象属性取值相似度, 网络空间密度聚类算法仅关注对象间关系紧密度。针对两类算法的不足, 提出一种兼顾属性距离及关系强度的密度聚类算法。在构建兼顾属性距离及关系强度的网络之后, 完善了近邻对象及核心对象的概念, 并给出了相应的聚类策略。理论分析和实验结果表明, 由于综合考虑了属性、关系及关系强度信息, 算法规避了对象属性值分布对聚类过程的影响, 改善了聚类效果, 并能有效识别枢纽点和孤立点。     

一种基于空间相依性的移动对象聚类算法

移动对象的聚类算法,要求能够适应移动对象移动模式动态变化的特点.针对该问题,提出了一种基于空间相依性的移动对象聚类算法.该算法首先计算移动对象之间的空间相依度,空间相依度考虑了移动对象之间的移动速度、方向及位置.当用户之间的空间相依度大于某一阈值时,认为对象之间可达,所有相依度可达对象划分为同一个群组,从而实现移动对象聚类.算法采用一段时间内对象的平均速度和方向代替即时速度和方向,能够有效降低重新聚类次数.实验及分析表明,该算法能够体现移动对象的移动特性,对于移动对象的聚类具有较高性能.     

一种面向扩展空间对象的密度聚类算法

提出一个面向扩展空间对象的基于密度的空间聚类算法,对点、线和多边形等扩展空间对象进行聚类。在该算法中,通过空间对象的缓冲区统一计算各对象在其附近空间的密度值,并根据参数区分两类不同的空间聚类应用场景,从而实现对空间对象的分类。实验表明,算法能够较好实现对空间对象分类。     

基于点面包含关系的GML空间聚类算法

目前大多数空间聚类算法主要是针对关系数据,并且没有考虑空间拓扑关系的相似性,为此,对基于空间拓扑关系的空间聚类方法进行研究,提出两种基于点面包含关系的GML空间聚类算法SCGML_IR、SCGML_IR*.两个算法将GML文档中点面空间对象的包含关系作为空间对象相似性度量准则,并用CLOPE算法对空间对象进行聚类.SCGML_IR*算法在SCGML_IR的基础上,采用空间包含索引机制来提高空间包含关系的求解效率.实验结果表明,算法SCGML_IR和SCGML_IR*能实现GML数据的空间聚类,并具有较高的效率.     

基于模糊c-means算法的空间数据分类和预测

空间分类和预测是空间数据挖掘中一个非常重要的方法,但对它们的研究目前尚处于初始阶段.通过引入空间对象对模糊聚类的模糊隶属度的概念,提出了基于模糊c-means算法的空间数据分类和预测的方法(SFCM),该方法首先用模糊c-means方法对数据集论域空间进行聚类,但由于空间数据具有空间自相关的特性,在用模糊c-means算法进行空间聚类时加入了空间信息,然后计算每个空间对象对所有聚类的模糊隶属度并从中找出模糊隶属度最大的聚类,最后用该聚类中心对象的因变量的值作为该空间对象的因变量的估计值,理论分析和实验结果表明,该算法是有效可行的.     

一种具有方向特点的网络对象聚类算法

对分别采用欧氏距离和网络距离作为相似性测度的聚类方法进行分析,并从空间网络中对象间着手,提出一种具有方向特点的网络对象聚类算法.算法利用空间网络的邻接关系,将两种距离结合起来作为聚类的相似性测度以提高聚类的精度.算法分析和实验证明,该算法的聚类效果优于单一度量的聚类方法.     

一种面向混合属性数据聚类的新算法

在分析传统聚类算法的基础上,提出一种针对混合属性数据的聚类算法.该算法利用格论中简单元组及超级元组将对象属性转化为格模型建立,以对象间格覆盖数来衡量类间相似度,根据高覆盖数高相似度的原则选择聚类中心进行聚类.在公共数据集上的实验结果表明,该算法在不增加空间复杂度的基础上,有效地提高了混合属性数据聚类的质量.     

基于单词相似度的文本聚类

研究了现有的基于向量空间模型的文本聚类算法,发现这些算法都存在数据维度过高和忽略了单词之间语义关系的缺点.针对这些问题,提出一种基于单词相似度的文本聚类算法,该算法首先利用单词相似度对单词进行分类获得单词间的语义关系,然后利用产生的单词类作为向量空间的项表示文本降低了向量空间的维度,最后采用基于划分聚类方法对文本聚类.实验结果表明,相对于传统基于向量空间模型的聚类算法,该算法具有较好的聚类效果.     

一种改进的相容关系聚类算法

聚类分析是数据挖掘中的一个重要研究内容。按照数据对象间的关系进行聚类在许多情况具有特殊的意义。提出一种相容关系数据对象的聚类算法。该算法首先对每个数据对象按字典排序,利用相容集的反单调性性质来产生极大相容簇,即通过相容集的连接产生更高层的相容集的候选,再通过剪枝的方法来得到更高层的相容集。该方法可以有效压缩算法的搜索空间,是现有相容关系聚类算法的有益改进和补充。     

一种基于空间邻接关系的k-means聚类改进算法

空间对象不仅具有非空间的属性特征，而且具有与空间位置、拓扑结构相关的空间特征。利用传统的聚类方法对空间对象进行聚类时，由于没有考虑空间关系，同一类的对象可能出现在空间不相邻的位置。基于空间邻接关系的k-means改进算法将相邻对象的空间邻接关系作为约束条件加以考虑，使聚类结果既反映了属性特征的相似程度，又反映了对象的空间相邻状态，从而可以揭示不同类别对象的空间分布格局，因此其比传统的k-means方法更适合于空间对象的聚类分析。     

Spatial relations between 3D objects: The association between natural language,topology, and metrics

With the proliferation of 3D image data comes the need for advances in automated spatial reasoning. One specific challenge is the need for a practical mapping between spatial reasoning and human cognition, where human cognition is expressed through natural-language terminology. With respect to human understanding, researchers have found that errors about spatial relations typically tend to be metric rather than topological; that is, errors tend to be made with respect to quantitative differences in spatial features. However, topology alone has been found to be insufficient for conveying spatial knowledge in natural-language communication. Based on previous work that has been done to define metrics for two lines and a line and a 2D region in order to facilitate a mapping to natural-language terminology, herein we define metrics appropriate for 3D regions. These metrics extend the notions of previously defined terms such as splitting, closeness, and approximate alongness. The association between this collection of metrics, 3D connectivity relations, and several English-language spatial terms was tested in a human subject study. As spatial queries tend to be in natural language, this study provides preliminary insight into how 3D topological relations and metrics correlate in distinguishing natural-language terms.     

带障碍约束的遗传K中心空间聚类分析

空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在，而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题，研究了一种基于遗传和划分相结合的带障碍约束空间数据聚类分析方法，设计了一个带障碍约束的遗传K中心空间聚类分析算法。对比实验表明，该方法兼顾了局部收敛和全局收敛性能，考虑到了现实障碍物对聚类结果的影响，使得聚类结果更具有实际意义，其结果优于传统K中心聚类及单纯的遗传聚类，不足之处是其计算速度相对较慢。     

基于QR树索引的面包含关系求解算法

为提高空间拓扑计算中求解面包含关系的效率,提出一种基于QR树索引的面包含关系求解算法。根据空间对象的几何信息建立QR树索引,利用QR树查找面包含的空间对象,并将该算法应用于基于线面包含关系的GML空间聚类。实验结果表明该算法能有效提高计算面包含关系的时间效率。     

An adaptive spatial clustering algorithm based on delaunay triangulation

In this paper, an adaptive spatial clustering algorithm based on Delaunay triangulation (ASCDT for short) is proposed. The ASCDT algorithm employs both statistical features of the edges of Delaunay triangulation and a novel spatial proximity definition based upon Delaunay triangulation to detect spatial clusters. Normally, this algorithm can automatically discover clusters of complicated shapes, and non-homogeneous densities in a spatial database, without the need to set parameters or prior knowledge. The user can also modify the parameter to fit with special applications. In addition, the algorithm is robust to noise. Experiments on both simulated and real-world spatial databases (i.e. an earthquake dataset in China) are utilized to demonstrate the effectiveness and advantages of the ASCDT algorithm.     

基于形态学聚类算法图像配准仿真研究

研究图像配准精确度问题。由于两张图片几何关系及量度均有不同,要达到配准效果应有空间一致性。传统的聚类图像配准算法进行图像配准时,配准精度较低,算法复杂度高等不足。为了有效提高图像配准的精确度,提出了一种改进的数学形态学和聚类算法相结合的图像配准方法。算法首先改进的基于空间模式均值聚类对图像进行区域分块,并对分块的位置进行空间聚类,并准确计算出基准图像的最后的配准位置,并采用数学形态学方法对配准后的图像进行边缘处理,最后评估配准图像的质量。仿真结果表明,提出的改进的算法有效的提高了配准精确度,是一种可行性有效的图像配准算法,为图像配准提供了依据。     

一种基于密度的面向线段的聚类算法

分析了密度聚类算法（DBSCAN）的局限性，在此基础上提出了一种基于密度的面向线段的聚类方法，将DBSCAN中聚类的对象由点转变为线段。在对点聚类的基础上，研究了线段聚类的特点。该算法可以有效处理分布不均匀的线段对象集，发现分布密度不同的各种簇。通过试验证明了该方法的可行性与有效性。     

彩色扫描军事地形图等高线提取方法

提出了一种基于HSV色彩模型的等高线提取方法.首先去除地形图中的黑色要素,然后选取原图等高线上一像素点色调值作为初值,按一定步长逐步扩大色调阈值,借助对应二值图连通区域数确定阈值区间.该算法无须人为指定聚类中心和类数,初始像素点的选取对提取结果不起决定作用.实验结果验证了算法的鲁棒性,并取得比较理想提取效果.     

基于粒度层次的方位关系推理

方位关系推理是空间推理的一个重要方面。本文主要研究的是方位关系推理的问题之一——基于层次的方位关系表示与推理。文中首先从区域间的覆盖关系出发，提出了基于空间粒度的层次划分方法；然后，从“点对象”和“矩形对象”两个方面研究了基于粒度层次的方位关系表示与推理方法，并给出了相应的推理算法。文中的推理实例验证了粒度划分与推理方法的可行性。     

层次聚类算法在空间数据分类上的研究及仿真

当前众多聚类算法忽略了对样本的噪点数据处理,影响了分类结果.为提高聚类算法对空间数据的处理能力,减少噪点影响,对聚类算法中的凝聚嵌套算法(AGNES)进行研究与分析,提出一种带降噪预处理的AGNES,箅法使聚类后每一个类的元素个数满足用户预先定义的标准,将改进后的算法应用于空间数据分类,可以有效解决边缘"噪点"对全局分类干涉严重的问题,最后,利用VC++语言和基于COM的MapObjects组件技术实现了基于上述改进算法的仿真软件CityCls,以验证算法的可行性与有效性,并从实验结果中得出了一些有益的结论.