面向GML的空间聚类研究-计算机科学与技术；计算机应用技术专业毕业论文.docxVIP

摘要 摘要 I I 摘 要 GML（Geography Markup Language）提供适用于 Internet 环境的空间信息编码方式，用 于空间数据传输和存储，以一种可扩展和标准化的方式为基于 Web 的 GIS 建立良好的基础。 已有的空间聚类是面向空间关系数据库的，本文对面向 GML 的空间聚类作了较深入的研究， 取得了如下一些成果： 1．提出了一种 GML 文档结构聚类算法 CLU_REP，该算法在凝聚的层次聚类中引入代 表树的计算，通过计算最大频繁 Induced 子树得到簇的代表树，通过对代表树的比较发现新 的簇，并更新新簇的代表树来完成聚类，不仅减少了聚类的时间开销，而且为每个簇形成聚 类描述。实验结果表明算法 CLU_REP 是有效的，且具有较高的效率。 2．提出了一种 GML 文档结构聚类算法 CLU_MCF，该算法基于闭合频繁 Induced 子树 进行聚类，聚类过程中不需树之间的两两相似度比较，而是挖掘 GML 文档数据库的闭合频 繁 Induced 子树，为每个文档求解一个闭合频繁 Induced 子树作为该文档的代表树，将具有 相同代表树的文档聚为一类。聚类过程中自动生成簇的个数，为每个簇形成聚类描述,而且 能够发现孤立点。实验结果表明算法 CLU_MCF 是有效的，且具有较高的效率。 3．提出了一种 GML 文档结构聚类算法 CLU_MFP，以 GML 文档中的路径表示 GML 文档结构，挖掘所有 GML 文档路径中的最大频繁路径，以 GML 文档包含的最大频繁路径 为特征进行 GML 文档结构聚类，聚类过程中利用全局准则函数进行聚类的划分，大大缩短 了聚类的时间开销。该聚类不需要事先确定聚类个数。实验结果表明算法 CLU_MFP 是有效 的，且具有较高的效率。 4．提出了一种面向 GML 的空间对象聚类算法 SCAR_GML，该算法基于空间邻近关系 对空间对象进行聚类，而传统的空间聚类算法仅仅把空间上邻近的对象聚为一类。 SCAR_GML 计算空间对象之间的邻近关系，以邻近关系作为空间对象的相似性度量，同簇 的空间对象在空间位置上也许相距较远，但是却具有相似的空间邻近关系。实验结果表明算 法 SCAR_GML 是有效可行的。 5.提出了一种面向 GML 的基于空间拓扑关系的空间对象聚类算法 SCTR_GML，与 SCAR_GML 相比，考虑了包含、相交、邻近三种拓扑关系，为实现空间对象的快速读取， 为 GML 文档建立了空间对象索引，并且提出了一种以空间拓扑关系为特征的空间对象之间 的相似度计算方法，实验结果表明算法 SCTR_GML 是有效可行的。 关键词：GML；结构聚类；最大频繁路径；闭合频繁 Induced 子树；空间拓扑关系；空间 聚类 Abstract Abstract II II Abstract GML provides a way to encode spatial information for internet environment. It is used for the spatial data transmission and storage, and establishes a good foundation for web-based GIS in a scalable and standardized way. The existing spatial clustering is oriented spatial relation database. The more in-depth research is done for the spatial clustering GML-oriented in this paper, and some innovative contributions are achieved as follows: Algorithm CLU_REP for clustering GML documents by structure is proposed. Compared with other tree-based clustering algorithms, it introduces the computation of representative trees during the agglomerative hierarchical clustering process. The representative trees can be gotten through the computation of the maximal frequent induced subtrees. The new clusters are