空间多维经济统计数据的降维方法——以四川省经济统计数据为例

经济统计信息往往包含多维属性,需要采用降维方法将多维信息转换到三维以内的空间来实现多维信息可视化,这有助于研究其内在空间分布规律。在评价线性方法 (PCA)、非线性方法 (NLM和SOFM),以及监督分类方法 (SVM)等四种降维方法的基础上,以2007年四川省区县尺度为研究单元,运用不同分类方法针对区县社会经济发展现状进行聚类(分类)处理,并对成果的差异性展开了深入讨论,主要结论如下:PCA虽然能在整体上揭示经济发展趋势,但结果与实际情况差异较大;NLM能很好地展现出四川经济发展的区域态势和核心区域,准确反映了四川经济发展现状;SOFM的分类结果与发展现状较吻合,但局部地区存在一定的错分情况,且不能进行类内目标的比较;SVM是监督分类,需要已知样本来训练分类过程,在样本的选择上存在较大的主观性,且最优参数的搜索过程较为复杂。本文对几种降维方法的比较,并在经济统计领域中的应用,可以为相关的空间多维信息降维研究提供参考。     

一种基于多特征的高光谱遥感图像分类方法

提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度.     

耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例

辨析区域主要生态环境问题及其空间异质性,划定生态功能区,对保障区域生态安全和国土开发优化具有重要指导意义。以往自下而上的分区研究多基于行政区或流域开展,难以体现行政区或流域内部的生态功能分异。以鄂尔多斯市为例,基于生态系统服务与生态敏感性构建区域生态功能分区指标体系,耦合自组织特征映射（SOFM）网络与支持向量机（SVM）划定鄂尔多斯市生态功能分区。结果表明,区域内各生态功能分区指标呈现明显的空间分异特征,通过SOFM网络基于栅格进行指标聚类,构建分类效果指数筛选最佳聚类方案,将区域分为7种不同的生态功能类型。最终,利用SVM识别最优分区界线,将鄂尔多斯市分为11个生态功能区。本文构建分类效果指数实现多分类方案优选,使用机器学习算法解决自下而上的自然分区容易弱化要素空间位置属性的问题,完成了从分类到分区的定量转换,有助于提升分区的空间精度与客观性,为生态功能分区与分区边界划定提供了新的方法途径。     

地理国情分类区划模型构建及实证研究——以河南省为例

地理国情分类区划是认知和分析地理国情的有效途径,是研究认识地理国情类型特征、组合及其演变趋势的区域差异和地理国情空间分异的基础。本文通过对地理国情普查的基本统计数据进行分析,制定了地理国情分类区划的指标体系;基于多维尺度分析和聚类分析,构建了地理国情分类区划模型。选择河南省地理国情普查数据,对其进行分类区划实验。通过对地理国情数据进行多维尺度分析,根据分析的可视化结果,可直观地确定地理国情的分类区划数,并将此设置为初始的聚类数;在此基础上进行k均值聚类,可实现河南省地理国情的分类区划,通过对各聚类簇中指标数据特征进行分析,并根据各聚类簇中心对区划各类型进行定义和解释,最后对聚类结果进行空间化表达。结果表明：河南省地理国情可划分为指标数据极值区、指标数据低值区、指标数据中值区和指标数据高值区4类,且根据空间集聚性分析,可判断分类区划的空间集聚效应显著,各区划类型间相互包容和渗透,集聚呈4条西南?东北的条状带。该项工作可为统筹地理国情与区域可持续发展,制定切实可行的区域发展政策提供科学依据。     

广义多维云模型及在空间聚类中的应用

传统的空间聚类方法难于脱离"硬划分"的束缚,且不能有效描述空间对象的复杂特征.一维云模型无法准确反映现实世界的多属性特征.简单的数据融合丢失了空间对象的必要信息.标准二维云模型克服了一维云的不足,但是在模拟复杂地理现象的非齐性和非对称性方面显得捉襟见肘.基于以上考虑,提出了广义多维云模型,以分段特性来体现空间对象的综合特征,并推导出模型的数学表达式.在实证研究的基础上,从空间聚类的隶属程度空间分布特征、与模糊C均值的对比研究及与住宅地价的耦合分析三个视角,详实解读了聚类结果.分析发现,广义多维云模型更能体现空间对象的综合特征,空间聚类结果能够反映出空间分布的潜在信息.更为准确的实现了复杂情况下的空间划分.该模型在刻画地理现象中更为合理,但由于地理实体的空间作用极其复杂.建立模型是一项既具体又充满挑战的任务.     

基于粒子群双重空间聚类的城镇地价空间分异规律挖掘

城镇地价的空间分异对其动态监测片区划定具有重要的参考作用,而空间聚类则是对该问题进行分析的一种有效方法.文中在分析空间聚类本质的基础上,设计了一种基于样本数据的粒子群双重空间聚类挖掘模型,并以北海市二手房地价空间分布挖掘为实例进行了应用.结果表明:粒子群双重空间聚类在空间聚类效果上优于传统K-均值聚类法,尤其是对于任意形状聚类簇的挖掘;然而,由于标准粒子群优化算法机理的限制,其聚类效果随聚类中心的增多而呈下降趋势.总体而言,该方法能利用有限的样本挖掘质量较好的城镇地价空间分异区,可为城镇地价动态监管提供相     

城市功能分区的空间聚类方法研究及其应用——以济南市为例

作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用.它是城市功能分区中的关键性步骤.根据空间-属性一体化的概念模型,把影响城市功能分区的空间坐标、空间关系和属性特征纳入到统一的空间计算模型,分别运用K-平均算法、神经网络方法,对城市功能分区进行空间聚类计算,充分挖掘空间坐标和空间关系数据中隐含的空间聚集信息.实例分析表明,基于神经网络的空间聚类结果可以为城市功能分区提供准确、可靠的依据.     

基于空间自相关的东莞市主体功能区划分

中国“十一五”规划纲要明确提出,根据资源环境承载能力、现有开发密度和发展潜力,统筹考虑未来中国人口分布、经济布局、国土利用和城镇化格局,将国土空间划分为优化开发、重点开发、限制开发和禁止开发四类主体功能区。至今已有不少学者开展主体功能区划分研究,但所用方法工作量大,或带有一定的主观性,且未考虑同类功能区集聚或分散程度。因此提出利用遗传算法改进传统聚类方法,自动划分主体功能区,在划分过程中考虑区域的全局空间自相关特性,使同类功能区在空间上呈集聚分布的格局。以近年来城市快速扩张的东莞市为例,验证了此方法的可行性,能简单有效地进行主体功能区划分。与常用的K-means聚类方法相比,新方法划分结果更符合实际情况,能进一步推广应用到其它地区的主体功能区划分。     

基于社会属性的北京市居民群体空间自相关分析

以北京市各街道居民为调查研究对象,利用问卷调查数据,使用因子生态分析和空间自相关分析技术,将被调查人群综合性地分为五类,即低潜力差现状型人群、高潜力差现状型人群、高潜力中现状型人群、中潜力中现状型人群和高潜力优现状型人群。通过对不同类人群的总体和局部空间自相关分析,得出结论:居民群体空间聚集现象明显。其中低潜力差现状型人群在通州、黑庄户等街道聚集,高潜力差现状型人群在以东直门街道为圆心的一个扇形区域聚集,中潜力中现状型人群多居住于中心城区,高潜力中现状型人群多在天通苑、四季青一带和南苑街道附近聚集,高潜力优现状型人群主要聚集在四季青至永定路街道的区域。     

广东省产业结构发展水平的空间格局研究

以广东省的市域为经济单元,利用空间自相关分析和密度分析法,对1994—2015年广东省产业结构发展水平空间格局进行了研究。结果表明:广东省逐渐形成了以广州、深圳、东莞为中心的第三产业圈,周边城市为第二产业外圈,并逐渐向四周扩散的圈层式空间格局。珠三角地区产业结构发展水平较高,其他地区相对落后。全省的全局空间自相关性比较高,产业发展水平的空间聚集特征明显,高-高区域集中在珠三角地区,低-低区域主要分布在其他地区,有较明显的两极分化异质性。     

松花江流域(哈尔滨段)景观格局脆弱性变化及空间关联格局分析

通过景观格局敏感性、适应性及人口压力指数构建景观格局脆弱性指数,以松花江流域(哈尔滨段)为研究对象,在完成研究区域2005年、2010年和2015年三期景观类型提取的基础上,借助地统计学理论及空间自相关分析方法,对2005-2015年区域景观格局脆弱度的时空变化特征及空间关联格局进行分析。结果表明:1)研究区域景观格局脆弱度整体呈现先增加后减小的变化趋势,脆弱度全局自相关莫兰指数分别0.4761、0.3978和0.4671,表现为较强的正相关,Z-Score值分别为50.21、41.96和49.26,呈聚类模式的空间分布;2)景观脆弱度高-高聚集分布由中东偏南区域向中西部转移,低-低聚集分布区域未发生较大变化,但逐渐表现为深度聚集状态;3)三期景观格局脆弱性空间相关性主要受结构性因素影响,但自2010年人类活动对景观格局的影响程度加深。     

基于GeoDA-GIS的四川省县域经济空间分异研究

选取14项经济指标,构建一个充分反映县域经济发展水平的指标体系,采用因子分析法,结合探索性空间数据分析(ESDA)方法与GIS、GeoDA空间分析工具,得出四川县域经济发展水平的差异性及空间分异特征。结果表明,四川省181个县域单元的经济差异较大,总体上,经济发达县域处于川东盆地区,经济落后县域分布于川西高原区;全局自相关特征明显,全局Moran s I指数达0.634 4,县域经济发展水平存在显著的空间集聚特征;局部空间自相关分析和Moran聚集图、LISA聚集图更具体、直观地显示了县域经济空间集聚位置和分布特征,进一步揭示了四川县域经济发展的热区和盲区。     

厦门市住房市场的空间分割及其成因解析

以住房子市场理论为框架建立研究假设,用主成份分析和聚类分析法刻画厦门市的住房市场特征。对住房类型子市场与聚类划分子市场进行对比分析,并采用Hedonic多重回归法对不同子市场划分方式的合理性进行验证。在此基础上,采用特征价格函数和子市场样本密度分布展开空间分析。结果显示:厦门市区划分为四个住房子市场,由城市中心地区向外呈现非均衡的层级化空间分布特征。城市中心与外围局部地区子市场的极化分布形成了"空间分割",降低了住房消费的空间替代性。多元产权结构下的市场环境、非均衡的住房用地拓展以及缺乏弹性的住房开发控制共同导致了空间分割。充分认识住房市场的结构与特征,将有助于提高城市住房公共政策的效率。     

淮海经济区区域空间结构评价与重构

构建多指标分析模型,利用淮海经济区2011年的社会经济统计数据,计算经济区内20个地级市经济发展水平综合指数。对综合指数进行聚类分析并图示聚类结果,发现淮海经济区空间结构具有如下特征:1)离散型的空间结构形态;2)核心区的边缘化;3)行政界线阻碍区域经济一体化进程。这种空间结构与区域经济发展所处的阶段(工业化中期)不相适应,聚集型空间结构是该时期理想的空间结构形态。以建立一个内部连接紧密、聚集型和外向型的经济空间为目标,提出一个经济中心、两条一级轴线、三条二级轴线的网状空间结构模式,并论述了中心城市和轴线的选择依据及轴线上主要节点城市的主导产业类型。在分析区域空间重构的动力和阻力的基础上,指出规划约束、政策引导和聚集牵引是区域空间重构的途径,建立区域重构协调管理机构具有必要性。     

基于子空间聚类算法的时空轨迹聚类

已有的时空轨迹聚类方法一般以整条轨迹作为聚类单元,聚类效果较低且不能识别轨迹局部特征;另一种轨迹聚类方法是以划分后轨迹段为聚类单元,算法效率较低且不能很好地支持多属性聚类。该文提出基于子空间聚类算法的时空轨迹聚类。首先引入数据归约的思想,将轨迹进行离散化处理,再运用CLIQUE算法对离散化后的轨迹段进行聚类。实验结果表明,此轨迹聚类方法具有较高的伸缩性,能有效地处理多维轨迹数据并识别轨迹的局部聚类特征,能揭示时空轨迹在不同子空间的运动规律。     

基于空间自相关的东莞市主体功能区划分简

中国“十一五”规划纲要明确提出,根据资源环境承载能力、现有开发密度和发展潜力,统筹考虑未来中国人口分布、经济布局、国土利用和城镇化格局,将国土空间划分为优化开发、重点开发、限制开发和禁止开发四类主体功能区。至今已有不少学者开展主体功能区划分研究,但所用方法工作量大,或带有一定的主观性,且未考虑同类功能区集聚或分散程度。因此提出利用遗传算法改进传统聚类方法,自动划分主体功能区,在划分过程中考虑区域的全局空间自相关特性,使同类功能区在空间上呈集聚分布的格局。以近年来城市快速扩张的东莞市为例,验证了此方法的可行性,能简单有效地进行主体功能区划分。与常用的K-means聚类方法相比,新方法划分结果更符合实际情况,能进一步推广应用到其它地区的主体功能区划分。     

武汉市公共交通网络中心性及其与银行网点的空间耦合性研究

本文以构建公共交通网络为切入点,运用改进的多中心性评价模型测度了武汉都市发展区公共交通网络中心性,并结合GIS核密度分析法与双变量空间自相关分析法,探讨了公共交通网络中心性和银行网点空间分布规律,以及两者之间的耦合性与空间结构。主要研究结论为：①武汉都市发展区公共交通网络中心性具有城市多中心指向性特征,且由中心向外围圈层递减;②银行网点布局呈现“核心—中心—过渡区—外围”多层次结构,且具有空间不均衡性;③公共交通网络各中心性指标与银行网点具有不同程度的空间正相关。银行网点受接近中心性的影响最大,直达性次之,介数中心性最小;④局域上,公共交通网络中心性指标与银行网点的耦合关系存在空间不平稳性与空间异质性。高—高聚集与低—低聚集是主要的空间关联模式;高—高聚集主要位于银行网点布局的核心圈层,低—低聚集点缀于外围圈层,高—低聚集与低—高聚集介于核心圈层与外围圈层之间。     

基于空间聚类分析的福建省各县市经济发展水平研究

将空间坐标和属性特征有机地结合起来,给出空间距离的定义,提出位置与属性一体化的空间聚类方法——基于空间距离的K-均值聚类法,利用M atlab编写其算法程序。同时以福建省各县市经济发展水平的类型划分作为研究实例,首先选取反映社会经济发展水平的8项指标,并利用G IS技术提取各县市的重心位置坐标,再利用该空间聚类算法将福建省各县市的经济发展水平聚类为5类,结果表明此算法能够综合考虑空间位置邻近性和属性特征相似性的聚类要求,对福建区域可持续发展有一定的指导意义。     

坐标与属性一体化的空间聚类方法研究

通过空间坐标和属性特征的有机结合,定义了3种空间距离,给出了基于空间距离的K平均系统聚类算法,对山东省生态环境质量进行了聚类分析和类型分区。实践表明,空间聚类方法可以较好地反映出空间位置邻近和属性特征相似的空间聚类要求。     

基于POI数据的南京市空间格局定量研究

从语义属性、几何形态等方面对典型城市空间格局要素进行定量化抽取及特征分析,总结归纳出城市空间格局要素间的关联特征。在此基础上,将POI数据进行分类,设计了基于平面核密度估计算法、空间聚类与双重密度因子分析分析算法,并以南京市为例,通过栅格叠加计算，提取边界，分类渲染以及栅格重分类等步骤,实现南京城市空间格局及商业中心抽取。结果发现城市商业中心有效地反映了城市空间总体格局的区域分布，提取出的南京市商业中心基本符合2000—2020年的南京市总体规划，但文本并不能直接体现城市各商业中心的定位，城市中除了主城区这个集聚且组团的单中心商业模式，各个县城、开发区、高新区都有各自形成的商业中心，符合城市的多商业模式。较传统的城市商业空间研究来说，基于POI数据的定量研究对城市总体格局及商业空间的认知更为精细，有助于商业中心的识别及行业特征的分析，便于政府部门对现有规划功能区的发展方向进行调整，使得不同功能区空间结构与特征关系更加合理。