本文關(guān)鍵詞： 空間聚類 尺度 自然法則 視覺認(rèn)知 假設(shè)檢驗(yàn)　出處：《測繪學(xué)報(bào)》2017年10期 　論文類型：期刊論文

【摘要】：空間聚類是探索性空間數(shù)據(jù)分析的有力手段,不僅可以直接用于發(fā)現(xiàn)地理現(xiàn)象的分布格局與分布特征,亦可以為其他空間數(shù)據(jù)分析任務(wù)提供重要的預(yù)處理步驟�？臻g聚類有望成為大數(shù)據(jù)認(rèn)知的突破口�？臻g聚類研究雖然已經(jīng)引起了廣泛關(guān)注,但是依然面臨兩大最根本的困境:"無中生有"和"無從理解"。"無中生有"指的是:絕大多數(shù)方法,即使針對(duì)不包含聚類結(jié)構(gòu)的數(shù)據(jù)集,仍然會(huì)發(fā)現(xiàn)聚類;"無從理解"指的是:即使同一種聚類方法,采用不同的聚類參數(shù)就會(huì)獲得千變?nèi)f化的聚類結(jié)果,而這些結(jié)果的含義不明確。造成上述困境的根本原因在于:尺度沒有在聚類模型中被當(dāng)作重要參數(shù)而恰當(dāng)?shù)伢w現(xiàn)。為此,筆者受到人類視覺多尺度認(rèn)知原理的啟發(fā),根據(jù)多尺度表達(dá)的"自然法則",建立了一套尺度驅(qū)動(dòng)的空間聚類理論。首先將尺度定量化建模為聚類模型的參數(shù),然后將空間聚類的尺度依賴性建模為一種假設(shè)檢驗(yàn)問題,最后通過控制尺度參數(shù)以自動(dòng)獲得統(tǒng)計(jì)顯著的多尺度聚類結(jié)果。在該理論指導(dǎo)下,可以構(gòu)建適用不同應(yīng)用需求的多尺度空間聚類模型,一方面降低了空間聚類過程中的主觀性,另一方面有利于對(duì)空間聚類模式進(jìn)行全面而深入的分析。
[Abstract]:Spatial clustering is a powerful tool for exploratory spatial data analysis. It can not only be directly used to discover the distribution pattern and characteristics of geographical phenomena. It can also provide important preprocessing steps for other spatial data analysis tasks. Spatial clustering is expected to become a breakthrough in big data's cognition. Although spatial clustering research has attracted extensive attention, But there are still two fundamental dilemmas: "created by nothing" and "incomprehensible." "myth" refers to the vast majority of methods, even for data sets that do not contain clustering structures, Clusters will still be discovered; "incomprehensible" means that even with the same clustering method, the use of different clustering parameters results in a variety of clustering results. But the meaning of these results is not clear. The root cause of the above dilemma lies in the fact that the scale is not properly reflected as an important parameter in the cluster model. Therefore, the author is inspired by the human visual multi-scale cognitive principle. According to the "natural law" of multi-scale expression, a set of scale-driven spatial clustering theory is established. Firstly, the scale quantification is modeled as the parameter of the clustering model, and then the scale dependence of spatial clustering is modeled as a hypothesis testing problem. Finally, the statistical significant multi-scale clustering results are obtained automatically by controlling the scale parameters. Under the guidance of the theory, a multi-scale spatial clustering model suitable for different application requirements can be constructed. On the one hand, the subjectivity in the spatial clustering process is reduced. On the other hand, it is beneficial to the comprehensive and in-depth analysis of spatial clustering model.
【作者單位】： 香港理工大學(xué)土地測量與地理資訊學(xué)系;西南交通大學(xué)高鐵運(yùn)營安全空間信息技術(shù)國家地方聯(lián)合實(shí)驗(yàn)室;中南大學(xué)地理信息系;
【基金】：國家自然科學(xué)基金(41601410;41471383) 湖南省自然科學(xué)基金(2017JJ3379)~~
【分類號(hào)】：P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 焦利民;洪曉峰;劉耀林;;空間和屬性雙重約束下的自組織空間聚類研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年07期

2 石巖;劉啟亮;鄧敏;林雪梅;;融合圖論與密度思想的混合空間聚類方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年11期

3 李光強(qiáng);鄧敏;程濤;朱建軍;;一種基于雙重距離的空間聚類方法[J];測繪學(xué)報(bào);2008年04期

4 曾紹琴;李光強(qiáng);廖志強(qiáng);;空間聚類方法的分類[J];測繪科學(xué);2012年05期

5 沙宗堯,邊馥苓;從相異空間聚類主題的聚類結(jié)果比較中發(fā)現(xiàn)知識(shí)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2004年02期

6 李新運(yùn),鄭新奇,閆弘文;坐標(biāo)與屬性一體化的空間聚類方法研究[J];地理與地理信息科學(xué);2004年02期

7 戴曉燕,過仲陽,李勤奮,吳健平;空間聚類的研究現(xiàn)狀及其應(yīng)用[J];上海地質(zhì);2003年04期

8 劉啟亮;李光強(qiáng);鄧敏;;一種基于局部分布的空間聚類算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年03期

9 石巖;劉啟亮;鄧敏;王佳t，

本文編號(hào)：1549597