基于空間聚類的數(shù)據(jù)挖掘技術(shù)在公共設(shè)施選址中的應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展，人類獲取和存儲海量數(shù)據(jù)的能力迅速提升，數(shù)據(jù)挖掘(Data Mining)知識在此背景下產(chǎn)生，空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)(Spatial DataMining and Knowledge Discovery)是其主要的研究內(nèi)容?？臻g數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術(shù)的發(fā)展，使得空間知識的獲取取得有效改進(jìn)。在公共設(shè)施選址問題中，如果對其考慮因素運(yùn)用數(shù)學(xué)語言建立模型，并將空間數(shù)據(jù)挖掘知識應(yīng)用于其中，將對城市建議中公共設(shè)施選址決策提供有價(jià)值

2、的參考。本文主要研究了空間數(shù)據(jù)挖掘技術(shù)的理論和方法，及其聚類算法在公共設(shè)施選址優(yōu)化決策中的應(yīng)用。
　　 在基礎(chǔ)理論方面，對空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的基礎(chǔ)理論進(jìn)行了綜述。對空間聚類知識的概念和研究意義進(jìn)行了闡述，描述了聚類分割算法和聚類層次算法。分別介紹了K-means算法、K-medoids算法、Clara算法、Clarans算法的算法思想和算法流程，并對各種聚類算法的性能和聚類結(jié)果的優(yōu)劣進(jìn)行了對比分析。在擴(kuò)展研究方面，以公共設(shè)施

3、選址為分析對象，在傳統(tǒng)聚類算法在此方面應(yīng)用研究的基礎(chǔ)上，全面考慮了障礙物因素和道路交通條件差異因素對聚類結(jié)果的影響，對算法進(jìn)行了改進(jìn)，從而優(yōu)化了聚類結(jié)果。同時(shí)用K-means算法和模擬退火算法的有效結(jié)合，克服了傳統(tǒng)K-means算法和傳統(tǒng)K-mediods算法的弊端。通過和傳統(tǒng)解決辦法的對比，體現(xiàn)了本文提出的方法的運(yùn)行時(shí)效性和結(jié)果有效性。在實(shí)驗(yàn)研究方面，基于改進(jìn)的算法設(shè)計(jì)，運(yùn)用C++程序設(shè)計(jì)語言對其進(jìn)行了編碼實(shí)現(xiàn)，并在Vi sual S