針對柵格數(shù)據(jù),傳統(tǒng)聚類方法大都基于專題屬性進(jìn)行聚類,分裂了柵格對象的空間特性與專題屬性,而兼顧空間與專題屬性的現(xiàn)有空間聚類方法又存在算法復(fù)雜、參數(shù)設(shè)置多等問題,因此本文提出了一種面向柵格的空間-屬性雙重約束聚類算法（A Raster-oriented Clustering Method with Space-Attribute Constraints,Ro CMSAC）。RoCMSAC利用柵格數(shù)據(jù)空間鄰域和空間連通特性,重新定義柵格簇的相似性度量準(zhǔn)則,通過屬性均質(zhì)簇生成,空間相鄰柵格簇合并和空間鄰近柵格簇合并3個步驟對柵格數(shù)據(jù)進(jìn)行空間-屬性雙重約束聚類。利用太平洋海域海表溫度柵格數(shù)據(jù)對算法的可行性以及有效性進(jìn)行驗證,并與現(xiàn)有算法進(jìn)行對比分析。通過實例驗證與對比發(fā)現(xiàn):（1）RoCMSAC方法能夠保證柵格簇空間域的鄰近性和屬性域的均質(zhì)性;（2）RoCMSAC方法可發(fā)現(xiàn)復(fù)雜形狀的柵格簇,且算法時間復(fù)雜度低,需輸入?yún)?shù)較少。 

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引言
2 Ro CMSAC方法
    2.1 基本概念
    2.2 算法設(shè)計
        2.2.1 屬性均質(zhì)簇的生成算法
        2.2.2 空間相鄰簇合并算法
        2.2.3 空間鄰近簇合并算法
3 算法實例驗證
    3.1 試驗區(qū)與數(shù)據(jù)
    3.2 數(shù)據(jù)預(yù)處理
    3.3 算法驗證及對比分析
4 結(jié)論與展望


【參考文獻(xiàn)】：
期刊論文
[1]空間加權(quán)距離的GIS數(shù)據(jù)Fuzzy C-means聚類方法與應(yīng)用分析[J]. 王海起,張騰,彭佳琦,董倩楠.  地球信息科學(xué)學(xué)報. 2013(06)
[2]一種基于多約束的空間聚類方法[J]. 劉啟亮,鄧敏,石巖,彭東亮.  測繪學(xué)報. 2011(04)
[3]空間和屬性雙重約束下的自組織空間聚類研究[J]. 焦利民,洪曉峰,劉耀林.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2011(07)
[4]面向過程的時空數(shù)據(jù)模型研究[J]. 薛存金,周成虎,蘇奮振,董慶,謝炯.  測繪學(xué)報. 2010(01)
[5]基于柵格距離變換的擴(kuò)展對象空間聚類方法[J]. 耿協(xié)鵬,杜曉初,胡鵬.  測繪學(xué)報. 2009(02)
[6]一種基于雙重距離的空間聚類方法[J]. 李光強(qiáng),鄧敏,程濤,朱建軍.  測繪學(xué)報. 2008(04)
[7]DCAD:a Dual Clustering Algorithm for Distributed Spatial Databases[J]. ZHOU Jiaogen GUAN Jihong LI Pingxiang ZHOU Jiaogen, State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China..  Geo-Spatial Information Science. 2007(02)
[8]坐標(biāo)與屬性一體化的空間聚類方法研究[J]. 李新運,鄭新奇,閆弘文.  地理與地理信息科學(xué). 2004(02)



本文編號：3718712