空間數(shù)據(jù)挖掘中的聚類算法研究.pdf

1、　　空間數(shù)據(jù)挖掘是指從包含空間信息的數(shù)據(jù)庫(kù)中抽取隱含的知識(shí)、空間關(guān)系或有意義的特征模式。它在理解空間數(shù)據(jù)、獲取空間與非空間數(shù)據(jù)的內(nèi)在關(guān)系上具有重要意義。空間聚類分析是空間數(shù)據(jù)挖掘中一個(gè)重要的研究方向，它是按照某種相似性度量值，對(duì)空間數(shù)據(jù)集中的數(shù)據(jù)對(duì)象進(jìn)行歸類和標(biāo)識(shí)成簇，使得同簇中的對(duì)象盡可能相似，而不同簇間的對(duì)象彼此不相似。空間聚類分析既可作為獨(dú)立的空間數(shù)據(jù)挖掘工具，又可作為其它方法的預(yù)處理方法，目前已經(jīng)應(yīng)用在地理信息系統(tǒng)、遙感、醫(yī)學(xué)圖

2、像處理、環(huán)境研究等領(lǐng)域，具有重要的實(shí)用價(jià)值。
　　在空間聚類算法研究方面，目前已經(jīng)有很多比較成熟的聚類算法，如CLARANS算法、BIRCH算法、DBSCAN算法、CLIQUE算法等。雖然其中很多算法得到成功應(yīng)用，但是在某些方面仍然存在一定局限。如DBSCAN算法將密度概念引入聚類，能生成任意形狀的聚類，但該算法在海量數(shù)據(jù)的處理、高維數(shù)據(jù)的聚類方面具有明顯不足。而CLIQUE算法采用網(wǎng)格和密度的思想，解決了高維數(shù)據(jù)的聚類問(wèn)題，但面

3、臨障礙約束、復(fù)雜形狀等情況下的聚類存在許多問(wèn)題需要解決。本文主要圍繞障礙約束問(wèn)題和提高算法效率方面對(duì)空間聚類算法進(jìn)行研究。
　　本文針對(duì)空間障礙約束下的聚類問(wèn)題，提出了基于CLIQUE算法的空間障礙約束聚類算法，有效的解決了二維空間障礙約束下的聚類問(wèn)題。該算法通過(guò)引入障礙網(wǎng)格的概念和障礙物的網(wǎng)格化表達(dá)，使其能夠處理任意形狀的障礙約束聚類。在此基礎(chǔ)上針對(duì)任意形狀的實(shí)體目標(biāo)對(duì)該算法進(jìn)行擴(kuò)展，解決了任意形狀的聚類問(wèn)題。此外由于基于網(wǎng)格的