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)庫中抽取隱含的知識、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?？臻g聚類分析是空間數(shù)據(jù)挖掘中一個重要的研究方向，它是按照某種相似性度量值，對空間數(shù)據(jù)集中的數(shù)據(jù)對象進行歸類和標識成簇，使得同簇中的對象盡可能相似，而不同簇間的對象彼此不相似?？臻g聚類分析既可作為獨立的空間數(shù)據(jù)挖掘工具，又可作為其它方法的預處理方法，目前已經(jīng)應用在地理信息系統(tǒng)、遙感、醫(yī)學圖

2、像處理、環(huán)境研究等領(lǐng)域，具有重要的實用價值。
　　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)的聚類問題，但面

3、臨障礙約束、復雜形狀等情況下的聚類存在許多問題需要解決。本文主要圍繞障礙約束問題和提高算法效率方面對空間聚類算法進行研究。
　　本文針對空間障礙約束下的聚類問題，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題。該算法通過引入障礙網(wǎng)格的概念和障礙物的網(wǎng)格化表達，使其能夠處理任意形狀的障礙約束聚類。在此基礎(chǔ)上針對任意形狀的實體目標對該算法進行擴展，解決了任意形狀的聚類問題。此外由于基于網(wǎng)格的