点集数据不规则形状时空异常聚类模式挖掘研究-武汉大学学报·信息.pdfVIP

第 卷 第 期 武 汉 大 学 学 报 ·信 息 科 学 版 ４２ ７ Ｖｏｌ．４２Ｎｏ．７ 年 月 ２０１７ ７ ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔ Ｊｕｌ２０１７ ｙ ｙ ： ／ 文章编号： （ ） 犇犗犐１０．１３２０３ ．ｗｈｕｉ １６７１８８６０２０１７０７０９２４０７ ｊ ｇ 点集数据不规则形状时空异常聚类模式挖掘研究 １ ２ １ 万 幼 周脚根 翁 敏 　 　 　 　 武汉大学资源与环境科学学院，湖北 武汉， １ ４３００７９ 　 中国科学院亚热带农业生态研究所，湖南 长沙， ２ ４１０１２５ 　 摘 要：传统扫描统计方法在进行时空异常聚类模式挖掘时，受扫描窗口形状的限制，不能准确地获取聚类区 　 域形状。提出一种改进的不规则形状时空异常聚类模式挖掘方法 。新方法基于 方位时空邻近 ｓｔＡｎｔＳｃａｎ ２６ 单元格构建时空邻接矩阵，再对蚁群最优化扫描统计方法进行改进，使其能适应三维大数据量的时空区域扫 描。模拟数据和真实微博签到数据的实验证明， 能有效地识别时空范围内的不规则形状异常聚 ｓｔＡｎｔＳｃａｎ 类，并且准确性较经典的ＳａＴＳｃａｎ方法高。 关键词：时空聚类；时空异常；空间点模式；空间数据挖掘；时空数据挖掘 中图法分类号： 文献标志码： Ｐ２０８ Ａ 　　　　　 各种地理实体和事件的出现在地图上都可以 扫描统计方法通常采用圆柱、椭圆柱等固定形状 　　 用点的形式来抽象和描述，如商场、医院、学校、疾 作为时空扫描窗口，其所能识别的聚类形状和范 病患者、犯罪现场、地震震源等。点集数据在空间 围也受扫描窗口的限制，准确性有所降低。本文 上的分布模式有聚集、随机和均匀等 种类 提出一种改进的时空扫描统计方法 。 ３ ｓｔＡｎｔＳｃａｎ ［ ］ １２ 首先基于 方位时空邻近单元格构建时空邻接 型 。地理学第一定律认为，任何事物都是空间 ２６ 相关的，距离近的事物的空间相关性更大。空间 矩阵，然后采用蚁群最优化方法对研究区的时空 点模式分析就是发现地理实体和事件的空间分布 范围进行异常聚类的