發(fā)布時(shí)間：2025-01-07 00:16

　　 空間分布模式是隱含的高層次空間知識(shí),對(duì)地圖綜合、多尺度表達(dá)等具有重要意義。居民地群組模式是典型的空間分布模式之一。針對(duì)常見的居民地群組模式聚類算法,展開對(duì)比研究,以探究算法的適應(yīng)性。模擬實(shí)驗(yàn)和真實(shí)數(shù)據(jù)實(shí)驗(yàn)分別考慮特定分布、不同密度、不同形狀、群組鄰近、"頸"問(wèn)題等多重環(huán)境。實(shí)驗(yàn)表明:①K-means算法簡(jiǎn)單、高效,但無(wú)法識(shí)別任意形狀和密度差異;②DBSCAN算法能夠發(fā)現(xiàn)任意形狀的群組和異常點(diǎn),但對(duì)參數(shù)要求嚴(yán)格,需反復(fù)嘗試,且全局參數(shù)難以適應(yīng)群組密度分布不均勻、群組鄰接、"頸"問(wèn)題等現(xiàn)象;③CFSFDP算法能夠發(fā)現(xiàn)不同形狀、不同密度的群組,但不適用均勻分布且密度小的群組。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 模擬數(shù)據(jù)1聚類結(jié)果

數(shù)據(jù)1結(jié)果表明:①K-means算法。閾值K=3,聚類結(jié)果如圖1(a)所示,可以看出其不能正確識(shí)別嵌套的、螺旋線狀分布的要素群組。②CFSFDP算法。圖1(b)是決策圖,橫坐標(biāo)是ρ,縱坐標(biāo)是δ。圖1(c)是將經(jīng)過(guò)數(shù)據(jù)變換之后的決策圖,橫坐標(biāo)是ρ,縱坐標(biāo)是ρ和δ的乘積�？梢院苊黠@、....

圖2 模擬數(shù)據(jù)2聚類結(jié)果

數(shù)據(jù)2結(jié)果表明:①K-means算法。閾值K=3,聚類結(jié)果如圖2(a)所示,不能識(shí)別鄰近的群組。②CFSFDP算法。根據(jù)決策圖圖2(b)和圖2(c),可以明顯看出存在2個(gè)聚類中心,從而確定閾值ρ=11,δ=8,聚類結(jié)果如圖2(d)所示,密度均勻但形狀不同的2個(gè)群組被較好地區(qū)分。③....

圖3 模擬數(shù)據(jù)3聚類結(jié)果

數(shù)據(jù)3結(jié)果表明:①K-means算法。閾值K=3,聚類結(jié)果如圖3(a)所示,不能識(shí)別出凹處包含的群組部分。②CFSFDP算法。根據(jù)決策圖圖3(b)和圖3(c),確定存在8個(gè)聚類中心,閾值ρ=11,δ=8,聚類結(jié)果如圖3(d)所示,識(shí)別出8個(gè)類簇。雖與預(yù)設(shè)類簇個(gè)數(shù)不符,但每個(gè)預(yù)設(shè)類....

圖4 模擬數(shù)據(jù)4聚類結(jié)果

模擬數(shù)據(jù)4結(jié)果表明:①K-means算法。閾值K=7,聚類結(jié)果如圖4(a)所示,無(wú)法處理形狀復(fù)雜、類簇相接等復(fù)雜空間聚類問(wèn)題。②CFSFDP算法。根據(jù)決策圖圖4(b)和圖4(c),可以明顯看出存在7個(gè)聚類中心,從而確定閾值ρ=15,δ=5,聚類結(jié)果如圖4(d)所示,可以準(zhǔn)確識(shí)別出....

本文編號(hào)：4024205