基于多尺度空间聚类的经济区域划分研究

传统的聚类方法能够自动实现类型的划分,但其只考虑空间对象的属性特征,忽略了空间对象之间位置的邻近性。在尺度空间理论基础上,利用多尺度空间聚类方法,同时兼顾空间对象间的空间相邻和属性相似这两个特征,使得在空间尺度由小变大的过程中,具有高度空间相互依赖关系的空间对象相互融合,得到不同空间尺度下的区域划分结果。并以福建省67个县市1990—2004年历年的人均GDP数据分析为例,进行了全省的经济区域划分应用试验。结果表明与实际的区域经济发展情况相符。该方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,使得聚类结果更加合理,为制定区域经济持续发展战略提供依据。     

数据挖掘中的模糊聚类分析及其应用

数据挖掘是一种新兴的信息处理技术,模糊聚类是数据挖掘领域中的一个重要研究课题。论文从数据挖掘的概念出发,研究分析了模糊聚类的主要算法,并从多个方面对这些算法性能进行比较,同时还对模糊聚类分析在数据挖掘中的应用进行了阐述,最后对模糊聚类的研究领域进行了总结和展望。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用.阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考.     

多尺度空间数据库建立中的关键技术与对策

多尺度空间数据表达及数据库建立具有广阔的应用前景，在流媒体网络数据传输、自适应动态可视化、空间认知导航、互操作尺度匹配多个领域都有重要作用，但实现该技术面临着数据存储量大、操作响应慢、横向空间一致关系难以维护、尺度变化难以达到真正的连续性等诸多问题。针对这些问题提出了实现多尺度空间数据表达的4种技术策略；多级尺度显式存储、初级尺度变化累积、关键尺度函数演变和初级尺度自动综合；其中，结合算法实例重点讨论的初级尺度变化累积模型，借鉴了视频数据压缩的思想，是本研究领域的一种新方法。     

多尺度地理空间线状目标相似关系分析

对多尺度空间下线状目标的相似关系做了全面描述,从多尺度的概念和现实生活的相似定义出发,探讨了多尺度空间下线状目标相似的定义以及影响多尺度空间下线状目标相似的相似因子,通过对多尺度下线状目标相似因子的分析和探讨,为多尺度空间下线状目标的相似性的表达和度量提供参考．     

新课程改革以来中学生物学教学研究的文献计量学分析

空间聚类是空间数据挖掘和知识发现的的主要方法之一."基于模糊C均值的空间聚类方法"可以广泛地应用到对空间数据挖掘和知识发现中的分类分级研究.该方法的基奉思想是:首先,设定聚类数目和模糊度常数,并初始化各个聚类中心,每一个数据点按照一定的模糊隶属度隶属于某一聚类中心;然后,逐步进行循环迭代.改变目标函数值以及各个隶属度,并决定新一级聚类中心;最后,当日标函数收敛或者数据点的隶属度保持恒定时,就得到了输入数据的最终聚类中心,从而完成了模糊聚类划分.该文给出了该方法的实现步骤,并以实例验证了方法的可行性和科学性,取得了很好的效果.     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

基于GIS的空间数据挖掘研究进展

基于GIS的空间数据挖掘技术,归纳了空间数据挖掘所能发现的知识类型和主要方法,分析了其主要研究方向和成果,着重讨论了基于GIS的空间数据挖掘的框架结构与基本流程,并给出了它的基本框架和流程图,提出了基于GIS的空间数据挖掘未来的发展趋势。     

地理信息系统中多尺度空间数据的表征方法探究

电子地图应用日益广泛，对电子地图多尺度表征研究也得到重视。不同的多尺度表征需要不同的数据组织形式。本文主要研究了目前国内外多数据空间数据的表征方法，在多尺度空间数据进行组织的基础上提出了一种基于关键比例尺的新的多尺度表征方法。     

无监督多尺度模糊聚类算法研究

针对模糊c均值聚类算法的一些不足之处提出了一种新的均值漂移聚类算法--无监督多尺度聚类算法.该算法不受初始化的影响,不用假定数据的聚类个数以及聚类中心的初始位置,能够利用模糊聚类的方法来获得硬的聚类划分,能够从不同的"划分尺度"揭示数据的聚类结构,并能自动的确定聚类个数.为了满足处理大数据集的需要,设计了快速无监督多尺度模糊聚类算法.通过实验证明无监督多尺度聚类算法在多数数据集上都表现良好且具有最好的总体聚类性能,并能成功揭示出数据的聚类结构.实验还证明快速无监督多尺度模糊聚类算法具有较快的速度和较高的识别精度且适用于大数据集.2个算法都取得了令人满意的实验结果.