基于改进演化算法的空间数据聚类方法.pdfVIP

第34卷 第22期 计 算 机 工 程 2008年 11月 VoL34 No．22 ComputerEngineering November2008 · 博士论文 · 文章编号：loo0___3428(2008)22—_0o29—一J3 文献标识码：A 中圈分类号：TP311 基于改进演化算法的空间数据聚类方法 兰小机 ，徐红伟 ，播伟丰 ，苏建强 (1．江西理工大学建筑与测绘工程学院，赣州 341000；2．江西理工大学信息工程学院，赣州 341ooo) 摘 要：分析空间数据的特点和用常规方法进行空间数据聚类分析的难点与不足，提出一种基于改进的演化算法空间数据聚类方法—— SDCEA。解决用传统方法进行空间数据聚类分析时存在的问题，增强聚类分析方法的灵活性和有效性。实验结果表明，对于空间数据的聚 类分析问题，该算法具有很好的性能。 关健词 ：空间数据；数据挖掘；演化算法；聚类 SpatialDataClusteringM ethod BasedonImprovedEvolutionaryAlgorithm LANXiao,ji，XUHong．wei，PANWei．feng，SUJian．qiang f1．SchoolofArchitecture SurveyEngineering．JiangxiUniversityofScience Technology．Ganzhou341000； 2．SchoolofInformationEngineering，JiangxiUniversityofScience Technology，Ganzhou341000) [Abstract]Thispaperanalyzesthefeaturesofthespatialdataanddifficultiesandshortagesoftraditionalmethodsinclusteringanalysisofspatial data．A novelspatialdataclusteringmethodbasedon improvedevolutionaryalgorithm ，calledSDCEA isproposed．Iteffectivelysolvesthemain problemsinclusteringanalysisofspatialdataandenhancestheflexibilityandeffi ciencyoftheclusteringanalysis．Numericalexperimentsshowthat SDCEAhasbetterperformance． [Keywords]spatialdata；datamining；evolutionaryalgorithm；clustering l 概述 特点 J：(1)空间数据都与某一对象(地点)相关，空问数据中 随着信息技术和数据获取技术的不断发展，数据库中的 除包含以文字、字符为特征的非空间信息(属性信息)外，还 数据量迅速增长。面对海量数据，如何发现有价值的信息和 含有以拓扑关系、距离关系、方向关系为特征的空间信息； 知识，成为数据处理的瓶颈问题。因此，数据挖掘技术(Data (2)空间数据具有空间自相关性，即每一个事物都与其它事物 Mining，DM)应运而生，它用数据库来存储数据，用机器学习 相关，但邻近事物间的相关性比距离较远的事物问的相关性 的方法来分析数据，挖掘大量数据背后隐含的知识，又称数 大得多，从而使空间数据挖掘比传统数据挖掘更为困难。 据库知识发现(KnowledgeDiscoveryinDatabases，KDD)。目 2．2 空间数据挖掘方法 前，关于数据挖掘的算法很多，但是大