附加限定规则的空间聚类研究.pdfVIP

附加限定规则的空间聚类研究 李丽 李宏伟 马雷雷 信息工程大学测绘学院 [摘要]普通聚类仅需考虑聚类点间的距离、连通度或者相对密度等。而现实空间中往往存在许多障碍点，如河流、湖泊 等，要求空间聚类必须在考虑空间障碍点的基础上进行。另外，将空间聚类进行应用还应附加限定条件，使得空间聚类结果更 加符合限定要求。本文将对这两种附加限定规则的空间聚类进行研究，探讨实现两种聚类的方法，为后续研究奠定基础。 [关键词]空间数据挖掘；空间聚类；限定规则 __■Q鲢突破与提升·2012高校Gls论坛论文集 每次循环都需计算均方误差E，这是一个计算量巨大的 并用C表示固定值。对于簇C7，属性限定规则刻表示为 过程，会耗费大量内存。另外，此算法需随机选择对象 如下两种形式： 来替换聚类中心，有很大可能性选择的聚类中心不是最 ①aggl(刍i[口川P。∈cl})oc； 优的，造成计算浪费。在海量数据的空间数据库中进行 ②a992K1)oc。 空间聚类时，以上两种问题将会更加明显。为解决以上 但此数学形式表示出的属性限定规则很难在聚类 问题，有必要采取一下两种策略。 过程中实现，可以将其简化为ExistentiaI形式，即 第一，参照BRcH和cHA睢L印N聚类方法，在聚类之设WcD是所有对象的子集，子集中的对象成为枢 前先对聚类对象进行预聚类过程，将对象集合分割为大 轴对象，c为可变的整型数值，则簇a上的属性规则的 量小型的簇，小型簇中的对象有最大的相似度，最大可 Existential形式表示为： 能的属于同一簇。然后在小型簇中选择一个对象来代替 count(◇jPi∈CI，Pi∈∥))≥C 此小型聚类簇，这将会大大减少Raise—NormaI计算过程可以证明任何属性规则的数学形式均可简化表示 中的数据量。为更好地实现聚类算法，小型簇中心点需 为ExistentiaI形式。 同时存储小型簇的信息，如包含点个数，直径等。 现给定n对象数据集P，距离函数形’—}尺，可变 stenta 第二，计算随机选择对象所对应的聚类均方误差 整型k，以及一个Ex l形式属性规贝JJEC，需对 E’，与现有E进行比对，如果E。大于E，说明目前的聚类 o在聚类 P进行聚类操作得k个聚类簇(C11，…，at 结果已处于较优地位，不必计算E。计算E。时用随机选 过程中需计算簇ai中每个对象与中，6．点repf间的距离 择簇中,Oc。。到小型簇的直线距离d代替两者间的障碍disp(Cli)，计算公式为： 距离d／，可以证明d是彬的正确近似代替，证明过程 disp(CI,)2∑。以af(p，repf) 在此不再赘述。同样可以推理出E。是E的最小值。 将却(C，，)和均方误差作为判定条件，用上述附 将以上两种方法用于Raise-NormaI算法中，以河加空间限定规则的空间聚类实现方法实现附加属性限 南省山峰空间聚类为例，在不考虑国道影响下，河南省 定规则的空间聚类。如图2所示案例，对河南省经济发 山峰可聚为如图1(a)所示结果图。将国道作为空间障展状况进行空间聚类分析，在不添加属性限定规则时 碍，在对河南省山峰机型聚类操作时附加上空间限定 聚类结果如(a)所示。考虑到各经济属性在经济发展 规则，可得图1(b)所示结果 中所占比重不