基于最大频繁Induced子树的GML文档结构聚类

提出了一种基于最大频繁Induced子树的GML文档结构聚类新算法TBCClustering.通过挖掘GML文档集合中的最大频繁Induced子树构造特征空间,并对特征空间进行优化;采用CLOPE聚类算法聚类GML文档,可自动生成最小支持度与聚类簇的个数,无需用户设置;不仅减少了特征的维数,而且得到了较高的聚类精度.实验结果表明算法TBCClustering是有效的,且性能优于PBClustering算法.     

基于分布式哈希表的分布式子空间聚类算法

提出一种基于分布式哈希表(DHT)的分布式子空间聚类(DISCLUS)算法,该算法对各结点存储的数据分别进行子空间聚类,对聚类结果进行合并,得到分布式系统的聚类结果.针对子空间聚类的特点,提出结果集缩减和结果集剪枝策略对结点间通讯进行优化.为实现结点聚类结果合并,提出分布式表决算法(DDV).该算法利用底层覆盖网的拓扑结构进行层次化表决信息收集,在动态网络环境中实现了对所有结点的无冗余覆盖.理论分析和实验表明,DISCLUS算法的聚类误差和通讯性能能够较好地适应系统数据集规模、网络规模和数据空间维度的增加.     

基于矩形代数和公共模式方法的相似图像检索

指出了图像检索中公共模式方法(common pattern method,CPM)所建立的type-i公共子图无法精确描述区域间的空间拓扑关系.研究采用矩形代数表示CPM中区域间的空间拓扑关系,得到了拓扑表达更精确的相似性图像检索算法(SRRA).该算法将对象抽象为最小边界矩形,采用矩形代数描述对象间的二维空间关系,构建基于矩形代数的相似图,并从中寻找最大相似对象集合.实验结果表明,SRRA不仅在效率上优于基于CPM的算法,且检索效果更符合用户要求.     

基于空间相邻关系的GML点对象离群检测算法

提出了一种基于空间相邻关系的点对象离群检测算法SAOD（Space Adjacent Relations Based GML Point Outlier Detection Algorithm）．利用空间相邻关系作为空间点对象的相似度度量准则,得到相似度矩阵,从而挖掘GML中的离群点对象．实验结果表明,SAOD算法能有效地检测GML中的离群点对象并且具有较高的效率．     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

数据挖掘技术中聚类算法的改进研究

针对K-means算法所存在的问题进行了深入的研究,提出了基于密度和聚类对象方向的改进算法(KADD算法).该算法采取聚类对象分布密度方法来确定初始聚类中心,然后根据对象的聚类方向来发现任意形状的簇.理论分析与实验结果表明,改进算法在不改变时间、空间复杂度的情况下能取得更好的聚类结果.     

基于相位信息与空间关系的路面裂缝检测

针对传统边缘检测算法的不足,分析路面裂缝低信噪比特点,提出了一种基于相位信息与区域空间关系的路面裂缝检测方法。首先,利用相位信息计算成对像素的相似性,并引入空间关系,使得位于边缘同侧的相似性增强,异侧的相似性减弱,然后应用谱方法进行聚类,完成裂缝边缘提取。实验结果表明方法有效。     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

空间聚类技术研究综述

空间数据挖掘是一种获取空间数据所蕴含知识的方法和技术.空间聚类是空间数据挖掘的重要研究内容,有着广泛的应用领域.介绍了空间聚类算法的分类和性能要求、空间聚类过程和方法.空间聚类算法主要有基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及其它形式的空间聚类算法.     

一种基于包含关系的空间面对象条件离群检测算法

提出了一种基于包含关系的空间面对象条件离群检测算法DCOP-IR(detecting conditional outlier polygons based on inclusion relations),该算法针对空间面对象的包含关系和非空间属性,定义了一种相似度度量方法,利用基于密度的离群查找算法,先检测出整体的空间离群对象,然后在一定的条件属性下检测空间条件离群对象。实验结果表明,算法DCOP-IR能准确地检测出满足一定条件属性的空间离群对象,并具有较高的效率。     

线目标空间冲突自动检测方法研究

基于1：5万空间数据更新质量检查的实际应用需求，分析了空间冲突的自动检测问题；提出了基于平面扫描算法的空间冲突检测方法．该方法在平面扫描计算的同时利用四交模型计算线段间的拓扑关系；并根据线段间的拓扑关系推理线目标间详细的拓扑关系，将计算出的空间关系与规则比较进行空间冲突判断．该方法在国家1：5万空间数据库建库质量检查中应用，减轻了作业员的劳动强度，提高了数据质量检查的效率．     

线线空间关系描述的拓扑链模型

基于GIS数据库中线线空间冲突检测的需求,分析了线目标间空间关系精细化描述和计算模型.采用GIS空间关系理论,利用分解组合的思想,将拓扑不变量归结为局部拓扑关系及次序,并提出了一种将线线拓扑关系与序关系、度量关系集成描述的拓扑链模型.结果表明:该模型可以集成描述线目标间局部详细的拓扑关系、左右关系及相交角度、交点数量、交点距离、相交区域面积等度量关系,可以满足GIS数据库中的线目标间空间冲突检测的需求.     

叠加信息熵游走数据聚类算法

在数据聚类的过程中,由于样本数据空间分布的复杂性,相似度度量过程中的重复性以及算法的自适应性等问题,聚类算法往往无法得到正确的聚类结果．为了解决样本数据空间分布复杂的问题,提出叠加信息熵数据游走聚类算法．该算法通过在数值空间构建样本叠加信息熵场,并通过数据游走进行数据分割实现聚类．实验结果表明,该算法不仅可以获得较好的聚类效果,同时具有较高的数据自适应性．     

Realization of R-tree for GIS on hybrid clustering algorithm

The characteristic of geographic information system（GfS） spatial data operation is that query is much more frequent than insertion and deletion, and a new hybrid spatial clustering method used to build R-tree for GIS spatial data was proposed in this paper. According to the aggregation of clustering method, R-tree was used to construct rules and specialty of spatial data. HCR-tree was the R-tree built with HCR algorithm. To test the efficiency of HCR algorithm, it was applied not only to the data organization of static R-tree but also to the nodes splitting of dynamic R-tree. The results show that R-tree with HCR has some advantages such as higher searching efficiency, less disk accesses and so on.     

基于蚁群系统的聚类算法研究

针对传统聚类算法在对复杂密集型数据集聚类时不能取得较好聚类结果的问题,利用进化聚类算法对复杂密集型数据集进行聚类,提出一种基于蚁群系统的聚类算法(clustering algorithm based on ant colony system,CAACS),利用蚂蚁在行进路径中释放信息素且追求浓信息素的原理来实现蚂蚁的随机搜索,并引入近邻函数值的概念来确定样本数据之间的相似性,通过蚂蚁在行走过程中不断建立样本数据之间的最相似连接来形成各个子连通图,各个子连通图中的样本数据构成一个类。实验采用随机产生的不规则数据集以及一系列合成的数据集将CAACS算法与DBSCAN算法(density-based spatial clustering of application with noise)及面向非规则非致密空间分布数据的蚁群聚类方法进行比较。实验结果表明CAACS算法对复杂密集型数据集能达到较好的聚类结果。     

基于灰度和空间特性的谱聚类图像分割

为了克服谱聚类图象分割方法性能容易受到图像大小和相似性测度的影响,提出一种基于灰度和空间特性的谱聚类图像分割算法。该算法不对图像中的像素之间建立相似性,而是利用各个像素的灰度在图像中的分布信息和像素点的空间邻接信息建立灰度之间的相似关系,通过对图像中灰度的分类进而获得原始图像的分割结果。因此,该算法不会受到图像大小的限制,无论对于多大的图像,相似性矩阵的大小都是小于等于256×256。Berke-ley基准图像数据集上的分割仿真实验验证了该方法的有效性。     

一种遥感栅格数据库检索高效的拓扑查询方法

遥感影像的数据量是相当的庞大的,并且一些实体的形状也是各异的,这导致了利用GIS现有空间查询接口进行海量遥感栅格数据库检索效率低下的问题。为了提高查询效率,必须增多限制条件来减少候选关系。本文提出了一种基于最小外接矩形(MBR)和最大内接矩形(IR)的空间拓扑关系查询的方法。研究表明任何一种单一的限制条件(如最小包围矩形--MBR、格网)在空间数据检中都具有一定的局限性,只有综合多种限制条件才能达到较好的效果,而通过增加限制条件来检索可以减少错误采样点的出现,提高检索效率。