基于混合聚类算法的动态R-树

针对动态R-树是通过动态插入算法建立起来的, 其节点分裂算法的性能直接影响到R-树的性能和查询效率的问题, 为了使动态R-树适应多维复杂空间数据的要求, 提出一种用于实现R-树节点分裂的混合聚类算法（HCR）, 它建立在普通聚类算法的基础上, 并进行了一系列扩充. 针对空间对象的均匀分布与不均匀分布, HCR算法在实现R-树节点分裂时分别采用不同的聚类准则以提高其聚类效果和查询效率. 此外, 还将HCR算法与其他算法进行对比实验, 结果表明该算法具有较高的查询效率.     

基于K-Means聚类的R-树空间索引方法研究与分析

 空间聚类和空间索引的结合是当前空间数据库中提高数据检索效率的技术之一。本文从空间聚类和空间索引的存储原理入手,阐述了K-Means聚类算法及其改进算法的技术思路,研究了K-Means算法在空间数据库中与空间索引方法结合的技术问题;分析了当前基于K-Means算法的R-树系列空间索引技术的研究成果,阐述了它们提高空间检索效率的技术路线及实验结果,研究显示这些技术都能在一定程度上提高数据检索的效率。最后给出了聚类与空间索引结合技术未来的研究方向。     

一种改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法基础上提出了一个改进的稀疏子空间聚类算法。首先,利用高维数据可以通过同一子空间的低维数据稀疏地表示这一理论,建立一个稀疏最优化模型,获得稀疏矩阵。然后把稀疏矩阵应用到一个正则化谱聚类算法中,从而有效地把数据聚类到子空间中。最后,该算法应用到一个视频序列中,对每个视频帧里的运动物体进行识别,并与现有的子空间聚类算法相比较。实验结果表明,该算法能够有效地识别运动物体,具有良好的实时性和有效性。     

一种面向GIS的静态R-树数据组织方法

针对GIS空间数据提出了一种基于空间聚类的静态R-树生成方法.该方法用典型点法进行静态R-树数据组织,用空间对象的最小约束矩形代替空间对象本身进行空间聚类计算,形成若干聚类,并以R-树的构建规则进行适当调整,同时通过改进R-树的一些性能指标如覆盖区域、重叠面积和边界周长等提高其查询性能.通过将该算法与其他静态R-树算法如Low x算法、Hilbert R-树算法进行比较,论证了该算法的可行性.     

一种基于密度的空间聚类算法

针对DBSCAN算法I／O开销和内存消耗大的缺陷,提出了基于层次合并的密度算法,基于密度的空间聚类算法可以有效地过滤噪声和孤立点数据,该算法在对于处理较大数据集上具有较大优势。     

一种改进的K-means聚类算法

传统的K-means聚类算法对初始聚类中心的依赖程度很大,聚类结果会随聚类中心的选择不同波动很大,为了消除这种中心选择不确定性,提出一种改进的K-means聚类算法,从而有效地改善初始聚类中心点选择的随机性,提高聚类结果的稳定性.仿真实验结果表明,改进后的K-means聚类算法优于传统的算法.     

一种改进R-Link的空间数据检索算法

提出一种基于R-Link树的快速空间索引结构, 并在该结构中引入K-Means算法. 在K-Means算法中采用均值标准差确定初始聚类中心, 提高了收敛速度, 并通过距离准则函数优化K值, 避免了K值的盲目选取. 与R-Link相比空间开销代价稍大, 但性能更高, 且数据量越多, 此结构的整体性能越好.     

改进的空间蚂蚁聚类算法

障碍约束下的空间聚类问题具有很强的实用价值,是空间数据挖掘中的一个重要研究课题.笔者讨论了带障碍约束的空间聚类问题,研究了一种基于蚂蚁算法的带障碍约束空间数据聚类分析方法,设计了一个带障碍约束的蚂蚁空间聚类算法.实验表明,该方法兼顾了局部收敛和全局收敛性能,考虑到了现实障碍物对聚类结果的影响,使聚类结果更具有实际意义.     

一种基于余弦因子改进的混合聚类算法

为了解决传统的K-means聚类算法全局优化性差,容易陷入局部最优的问题,用具有全局自适应优化特点的遗传算法与K-means算法结合来改善聚类效果.在此基础上提出了基于余弦因子改进的混合聚类算法(SGKM),在交叉和变异操作时用基因余弦因子(GCOS)进行个体控制,确保差的个体不会被引入下一代,并采用交叉和变异概率的自适应控制,结合了K-means算法的高效局部搜索和遗传算法的全局优化能力.实验结果表明,与其他基于K-means算法改进的聚类算法相比,SGKM算法能获得更小的簇内距和更大的簇间距,且数据对象的分类准确率有一定的提高.应用SGKM算法进行聚类不易受到不良个体的干扰,可以有效地改善聚类效果.     

一种基于密度的增量式网格聚类算法

增量算法的要求是聚类特征一般是可加的、非迭代的。文中提出了一种基于密度的网格聚类算法GDCLUS，并在此基础上提出了增量式算法IGDCLUS，它可发现任意形状的聚类，具有高效、易实现的特点，适用于数据库周期性地增量环境下的数据批量更新。     

SADBS的空间数据库设计与索引组织

空间分析系统是比较耗时的一种系统，而存储介质是制约系统速度的一个重要原因，在主存中组织数据库并将空间数据索引也建在主存中可以极大地改善系统性能。详细介绍了我们设计的空间分析数据库系统SADBS的空间数据库存储结构及其索引组织。     

改进的LS-DRMTCMA算法

针对TD-SCDMA系统的帧结构的特征，将Z．Rong（1996）提出的LS-DRMTCMA算法改进，提出了LMS-DRMTCMA算法．这种算法相对于LS-DRMTCMA算法大大降低了基站处理的运算量，并且提高了算法的实用性，仿真实验表明，该算法比原算法具有更低的误码牢．     

一种高效的空间索引结构

为高效地处理空间数据，必须对数据库建立索引机制以快速存取数据。然而，由于空间数据的特殊性使得传统索引方法不能很好地适应空间数据的存取。介绍了一种目前较流行的索引结构－R树及其主要算法。在所研究的空间分析数据库系统SADBS中实现了R树索引。     

An improved R-tree based on childnode''''s probability

R Tree is a good structure for spatial searching. But in this indexing structure, either the sequence of nodes in the same level or sequence of traveling these nodes when queries are made is random. Since the possibility that the object appears in different MBR which have the same parents node is different, if we make the subnode who has the most possibility be traveled first, the time cost will be decreased in most of the cases. In some case, the possibility of a point belong to a rectangle will shows direct proportion with the size of the rectangle. But this conclusion is based on an assumption that the objects are symmetrically distributing in the area and this assumption is not always coming into existence. Now we found a more direct parameter to scale the possibility and made a little change on the structure of R tree, to increase the possibility of founding the satisfying answer in the front sub trees. We names this structure probability based arranged R tree (PBAR tree).     

一种改进的小波空域相关去噪方法

在Xu和Witkin提出的小波空域去噪方法的基础上,结合小波软阈值去噪方法,提出了一种改进的小波空域相关去噪法。它具有空域相关法的优点,同时克服了空域相关法的缺点,对信号中的噪声进行了最大限度的抑制而又保留了信号的主要细节。实验证明此方法是有效的。     

一种基于广度优先策略的R树连接算法

研究了一种基于广度优先搜索的层内分组扫描策略的R树空间连接新算法．BFGS采用广度优先的顺序对两棵R树进行同步遍历，在处理每层的中间连接索引时采取了比逐个节点连接更好的层内优化策略，使得所生成的中间连接索引自动被排序，从而减少了对其的处理时间．实验结果表明，无论是I／O时间还是CPU时间，BFGS都胜过RJ和BFRJ算法，比RJ算法的速度快了15．5％--33．1％，证明BFGS是一种高效的R树空间连接算法．     

An improved R-tree based on childnode''s probability

R-Tree is a good structure for spatial searching. But in this indexing structure,either the sequence of nodes in the same level or sequence of traveling these nodes when queries are made is random. Since the possibility that the object appears in different MBR which have the same parents node is different, if we make the subnode who has the most possibility be traveled first, the time cost will be decreased in most of the cases. In some case, the possibility of a point belong to a rectangle will shows direct proportion with the size of the rectangle. But this conclusion is based on an assumption that the objects are symmetrically distributing in the area and this assumption is not always coming into existence. Now we found a more direct parameter to scale the possibility and made a little change on the structure of R-tree, to increase the possibility of founding the satisfying answer in the front sub trees. We names this structure probability based arranged R-tree (PBAR-tree).     

An improved R-tree based on childnode''s probability

R-Tree is a good structure for spatial searching. But in this indexing structure，either the sequence of nodes in the same level or sequence of traveling these nodes when queries are made is random. Since the possibility that the object appears in different MBR which have the same parents node is different，if we make the subnode who has the most possibility be traveled first，the time cost will be decreased in most of the cases. In some case，the possibility of a point belong to a rectangle will shows direct proportion with the size of the rectangle. But this conclusion is based on an assumption that the objects are symmetrically distributing in the area and this assumption is not always coming into existence. Now we found a more direct parameter to scale the possibility and made a little change on te structure of R-tree，to increase te possibility of founding te satisfying answer in the front sub trees. We names this structure probability based arranged R-tree (PBAR-tree).