基于GIS的空间位置关系聚类研究与应用

聚类分析是空间数据挖掘的一种方法,聚类算法能从空间数据库中直接发现一些有用的聚类结构.为实现空间复杂地理对象的聚类分析,文中给出了GIS及空间聚类分析技术,介绍了一种基于GIS的空间位置关系聚类分析算法.该算法按照空间相邻关系,将空间相邻的空间目标聚类成一类.在具体应用实例中利用本聚类算法将空间上相邻的大片阵地地域连成整块地域,并去掉了不符合条件的小块地域,形成阵地聚类,取得了满意的效果,实现了能够发现任意形状、并满足特定约束条件的聚类.     

基于邻接关系的空间聚类算法研究

聚类指的是把数据库里的对象分组成有意义的子集,使得一个聚类内的成员尽可能相似,而不同聚类间的成员差异尽可能大。空闻对象的主要特性受其邻接对象的影响,并且随着距离的增加或减少,影响作用也相应地增加或减少。论文针对相邻空间对象的特性总是相似或相关联的特点,以邻接关系为基础对空间聚类算法进行了分析与研究。     

基于GIS的空间聚类算法研究

面对目前的聚类方法的局限性和空间聚类的特殊性,从基于目标函数聚类的概念出发,以GIS的空间数据管理和空间分析为技术支持,探讨了空间样本间直接可达距离、间接可达距离和可达成本的计算方法。随机选择k个样本作为聚类中心点,以空间样本到各聚类中心点的可达距离为样本划分依据,以空间样本到其聚类中心点的可达成本的总和为聚类目标函数,引入遗传算法,提出一种基于GIS的空间聚类算法。最后,通过实例进行了算法测试。     

一种面向GIS空间数据的聚类方法

一个好的聚类算法应该是用户输入参数少,对噪声不敏感,能够发现任意形状,可以处理高维数据,具有可解释性和可扩展性.将聚类分析应用于地理信息系统中,可以实现对GIS数据信息概括和综合.文中提出一种基于距离阈值相邻的聚类算法,通过距离阈值可达的方式逐个将对象加入到已知聚类中,可以发现任意形状的聚类并对噪声数据有很好的分离效果,实验中将该算法应用于地理信息系统中的数据挖掘实现上,结果证明此算法对于实现GIS聚类具有满意的效果.     

基于聚类的基础设施选址方案研究及应用

基础设施选址是精准化农业需要解决的重要课题之一.采用基于迭代自组织数据分析技术(ISODATA)的聚类方法、图论方法以及地理信息系统(GIS)空间分析方法相结合,解决了当聚类个数不可预知,无法使用传统设施选址方法中的k-means聚类方法和当没有设施位置备选集而无法使用离散模型选址方法的问题,也有效规避了选址方案实际操作可行性不强等问题,为精准化农业中基础设施选址提供了一种可行的解决方案.     

一种基于动态数据窗口的复合聚类方法及在GIS中的应用

聚类分析是从给定的数据集中搜索数据对象,进行关联规则挖掘.本文融合划分方法、基于密度方法和中心计算方法中凝聚的思想,提出一种新的基于动态数据窗口的复合聚类方法.进一步将这种算法用于地理信息系统的数据挖掘,并应用于船舶航线的优化设计.     

基于聚类的物联网监测点相邻关系的判定与分析

物联网监测点相邻关系判定是实现物联网监测异常数据审核时需要解决的一个重要问题。为了克服传统的基于行政区域或地理位置直接指定相邻关系存在的不足,采用聚类分析方法,用轮廓系数作为确定簇数和选择算法的依据,实现了一种基于历史监测数据的物联网监测点逻辑相邻关系判定方法。使用实际监测数据对该方法进行了验证,实验结果表明,所得到的相邻关系符合监测数据的实际关系,能够为物联网监测数据有效性审核提供更加科学合理的处理依据。     

空间目标的拓扑关系及其GIS应用分析

拓扑关系是GIS中空间目标之间最基本也是最重要的关系之一，在空间数据建模、空间查询、分析、推理、制图综合、图像检索和相似性分析等过程中起着重要的作用。在综合研究空间关系文献基础上，从方法论的角度论述了精确和不精确空间目标间拓扑关系的描述方法及其最新进展，并简要分析了拓扑关系在GIS空间查询、推理和分析中的应用。     

GIS的空间关系表达及计算研究综述

对GIS的空间关系表达及计算研究进行了综述,阐述了GIS中空间关系的定义、分类与特征,详细分析了拓扑关系、方向关系和距离关系三种基本的空间关系的表达方式,探讨了几种主要的空间关系的计算方法与模型以及它们的适用范围和优缺点。     

空间数据库的方向关系模型

方向作为一个定性的空间关系,是空间拓扑关系的一个重要补充。现在的方向关系模型运用十分粗糙的最小包含矩形或概括为单个的点来表示近似方向关系。文章设计的方向关系矩阵模型克服了传统模型的限制,为复杂空间对象提供了更好的方向近似,包括凹面区域和有洞的对象。     

基于GIS的空间邻接关系的聚类算法及其实现

随着空间数据挖掘技术和GIS的发展与结合,人们逐渐将空间数据挖掘技术应用于GIS的很多相关领域.聚类分析是空间数据挖掘的一种方法,聚类分析能从空间数据库中直接发现一些有用的聚类结构.为了实现空间复杂地理对象的聚类分析,本文引入了一种空间聚类算法,并将其应用于土地规划.在具体的模拟试验中,利用该算法将相邻的并且符合选取条件的空间目标聚类成一类,实现了能够发现任意形状、并满足特定约束条件的聚类.     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展,复杂多变的空间数据日益膨胀,远远超出人们的解译能力,迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发,详细阐述了空间数据的特点、空间邻接关系及其相关操作,并针对空间邻接关系给出了几种典型的空间数据挖掘方法。     

近似空间关系代数ASRA及应用

粗定位模型是一种基于粗集的近似区域表示模型 ,基于定性空间推理理论对其进行了代数形式化 .通过空间关系矩阵和 2 4 9种基本空间关系构造了近似空间关系代数 ASRA;讨论了 ASRA的公理和基本性质 ,研究了ASRA和 RCC5关系映射中存在的不确定性 ;把 ASRA应用于 GIS,提出了基于 ASRA的空间关系判定算法ASRA- RCC.与同类算法相比 ,ASRA- RCC能够同时支持确定和近似区域 ,并且具有较高的效率     

一种基于动态散列的GIS空间索引构造算法

文章在介绍动态散列和传统空间索引四叉树的构造方法的基础上,综合二者的优点,提出了一种基于动态散列的空间索引构造算法,该方法改变了传统四叉树通过效率低下的空间对象的递归比较构造索引过程,采用计算机运算效率较高的二进制位运算和位比较的动态散列扩充散列值来构造空间索引。实践证明,该算法大大减少了空间索引的构造时间和效率,具有很高的应用价值。     

聚类算法分析及在GIS中心选址中的仿真研究

通过对聚类算法初始点选择策略的分析和比较,经典k-means算法在GIS海量数据处理上的效率问题,提出了随机采样的k-means算法来进行坐标聚类;并将随机采样k-means算法应用于GIS中心选址,充分利用GIS数据分析和处理能力,以城市间的欧几里得距离为相似条件,采用最大最小原则选取初始点进行聚类,从而缓解局部最优解产生的概率;选取中心城市作为目标对象,从而提高商业决策的充分性和可靠性;经仿真结果验证了所提出的随机取样k-means算法的有效性和正确率。     

判断点与指定多边形区域的关系的改进算法

介绍了判断点与多边形关系的多种方法,详细给出射线法,并对该方法进行优化,并给出了算法。在实验过程中该算法排除了一些点的判断,只需执行少量的射线法函数,实验结果表明,该算法简便、可靠、执行速度快。     

基于连通分支的聚类分析算法及其在铝电解中的应用

提出了一种基于连通分支的聚类分析算法,用以解决铝电解工业生产中槽况的分类问题。该聚类分析算法的核心是根据点的距离构建空间的连通分支,并利用时间窗口的滑动来判断当前的槽况。文中详细讨论了算法的基本概念,并给出了相应的CC_CTL挖掘算法。