基于相交关系的GML空间线对象离群检测算法

提出了一种基于相交关系的GML空间线对象离群检测算法DOL-IR,该算法首先计算GML线对象与其他空间对象的相交关系,定义基于相交关系的相异度,将其作为空间线对象之间距离的度量准则,利用DBSCAN聚类算法检测离群的基于空间相交关系的线对象.实验结果表明,算法DOL-IR能准确地检测出离群的基于空间相交关系的线对象,并具有较高的效率.     

空间拓扑相交关系计算算法并行化研究

研究空间拓扑相交关系计算的并行化,可以缩短处理大规模地理空间数据的时间,对于高效地应用GIS空间数据有着重要的现实意义.本文以开源软件GRASS GIS为实验平台,在集群环境下引入MPI并行库,采用不同的数据划分策略对空间拓扑相交关系计算算法进行并行研究与实现.首先分析了串行算法的特点及数据结构,验证了基于几何对象的数据划分策略在该算法上的可行性;其次针对基于几何对象的数据划分策略存在的问题,即较少考虑空间几何实体对象的数据量均衡性,提出基于弧段的数据划分策略;最后通过加速比指标,对两种策略划分方式进行对比分析,验证基于弧段的划分策略的正确性和高效性.经过实验可知,相比基于几何对象的数据划分,基于弧段的数据划分能得到更好的加速比.     

一种处理空间实体约束的空间聚类算法

分析了现有处理空间实体约束的空间聚类算法,提出一种处理空间实体约束的空间聚类算法SPOC.该算法对具有空间实体约束的空间对象进行聚类时,利用空间关系中的方向关系来选取新的中心对象,同时利用回溯的、非几何的方法求解障碍空间中两个空间对象间的障碍距离,实验表明算法SPOC是一种有效的处理空间实体约束的空间聚类算法.     

一种面向空间对象群的聚类算法

将空间对象按一定的空间关系分组,构成空间对象群,每个空间对象群包含类型多样、数量不等的空间对象.提出一种空间对象群的相异度计算方法,并提出空间对象群聚类算法SOGC.它将类型多样的空间数据集分层表示,计算空间对象群中对象在不同层上属性分布的隶属度,以此计算空间对象群的相异度.与一般的聚类算法不同,SOGC考虑了空间数据的复杂性和数据之间的联系.实验结果表明算法SOGC是有效的,对地理空间数据分析具有实用价值.     

基于可能性C-均值的鲁棒多视角聚类算法

目前多数多视角聚类算法不考虑噪声问题,为了更有效地分析含有噪声数据的聚簇结构,提出了一种基于可能性C-均值的鲁棒多视角聚类(PCM-RMVC)算法,该算法同时利用多个视角空间中的特征信息,最小化每个视角空间中数据对象与聚簇中心的距离.推导出数据隶属度和每个视角权重的迭代更新规则,设计出聚类过程的迭代算法.实验表明:PCM-RMVC算法对噪声具有较强的鲁棒性,并且聚类效果优于五种有代表性的多视角聚类算法.     

一种新的聚类组合算法

提出一种新的基于非负矩阵分解(NMF)方法的聚类组合算法(NMFCCA).该算法首先采用K-均值算法作为基聚类器,然后使用NMF方法从基聚类器输出结果中提取数据对象的关键特征,最后在关键特征空间中划分数据对象,生成最终结果.在人工数据集和真实数据集上的实验表明,所提出的算法是有效可行的.     

一种基于海量高维数据的软子空间聚类改进算法

基于加权的软子空间聚类是处理高维数据的一种有效手段,在原有的软子空间聚类算法基础上对目标函数进行改进,从而结出一种新的软子空间聚类算法.相较之原算法,此算法具有更高的抗噪性及聚类效率;通过与典型的软子空间聚类算法比较试验,结果表明可有效提高海量高维数据的聚类处理效率.     

基于密度流形上的空间聚类

对于具备空间特性的数据来说,基于密度的聚类方法是一种基本且行之有效的聚类技术.尽管现有很多基于密度的空间聚类算法和技术,但是这些算法多数都假设数据分布于平滑空间.弯曲空间与平滑空间只局部存在相似性.本文的目的在于探讨一种新的基于密度的流形空间聚类,即基于弯曲空间的算法.此算法主要来源于切空间,并适用于非均匀、非线性的数据分布,同时给出了性能分析和实验测试.     

一种高效的K-means聚类改进算法

针对传统K-means算法在初始质心选取的敏感性以及迭代计算的冗余性这两方面的缺陷,提出一种高效的聚类算法(ECA).根据数据对象的空间分布情况,首先采用空间划分预聚类算法(SDPCA)对数据集实现预聚类划分,然后采用基于邻近簇调整的优化聚类算法(OCANC)对预聚类成果进行优化处理,最终获取聚类成果.实验证明,该改进算法能消除对初始输入的敏感性,以更高的运行效率获取较高质量的聚类结果.     

一种基于多关系的朴素贝叶斯空间分类算法

空间分类既要考虑待分类对象的非空间属性,还要考虑其空间邻接对象非空间属性对分类的影响.提出一种基于多关系的朴素贝叶斯空间分类算法,算法将多关系分类方法用于空间分类,考虑了不同近邻对象的非空间属性对分类产生的影响,其分类准确率高于单关系朴素贝叶斯空间分类算法.算法可以用于空间数据库中的大数据集,不需要复杂的数据预处理.