检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于分布的空间聚类算法

玉溪师范学院学报 2012年第4期28卷 48-53页

作者：杨增芳玉溪师范学院信息技术工程学院云南玉溪653100

提出一种基于最近邻居距离分布的空间聚类算法——NNDDB算法.实验分析表明,与划分聚类算法CLARANS相比,NNDDB能动态地决定聚类数目且能发现任意形状的聚类;与密度聚类算法DBSCAN相比,NNDDB算法无输入参数;在效率方面,NNDDB算法对于大型... 详细信息

提出一种基于最近邻居距离分布的空间聚类算法——NNDDB算法.实验分析表明,与划分聚类算法CLARANS相比,NNDDB能动态地决定聚类数目且能发现任意形状的聚类;与密度聚类算法DBSCAN相比,NNDDB算法无输入参数;在效率方面,NNDDB算法对于大型数据库是有效的.

关键词：空间数据挖掘空间聚类算法最近邻居距离分布

基于几何特征加权和选择的数据空间聚类算法研究

在线全文

学校读者我要写书评

暂无评论

信息技术与信息化 2014年第12期 67-69页

作者：邓文韬天津体育学院天津300381

空间聚类分析是空间数据挖掘的一种非常重要的技术和方法,应用极为广泛,比如数据探测、信息检索、文本挖掘、生物学、医学诊断等领域都会涉及聚类算法的应用和研究工作。随着数据规模越来越大,数据挖掘面临着数据特征维数不断增加,高维... 详细信息

空间聚类分析是空间数据挖掘的一种非常重要的技术和方法,应用极为广泛,比如数据探测、信息检索、文本挖掘、生物学、医学诊断等领域都会涉及聚类算法的应用和研究工作。随着数据规模越来越大,数据挖掘面临着数据特征维数不断增加,高维数特征加权和选择以及多学科交叉的问题,空间聚类分析工作面临着严峻挑战。本文主要围绕几何特征加权和选择这一主题,在现有算法基础上提出一些新算法和改进算法,并验证算法有效性。

关键词：空间聚类算法聚类分析竞争合并策略特征选择

在线全文

学校读者我要写书评

暂无评论

一种基于密度的空间聚类算法

新乡学院学报 2008年第1期25卷 59-61页

作者：王晓洁方丽娜新乡学院计算机科学系

针对DBSCAN算法I／O开销和内存消耗大的缺陷，提出了基于层次合并的密度算法，基于密度的空间聚类算法可以有效地过滤噪声和孤立点数据，该算法在对于处理较大数据集上具有较大优势。

关键词：空间聚类算法密度 DBSCAN 较大数据集

在线全文

学校读者我要写书评

暂无评论

不同耕地空间聚类算法的对比分析研究

测绘与空间地理信息 2019年第1期42卷 112-115页

作者：詹秀眉李亚星欧阳俐朱文婷闽江学院地理科学系福建福州350108 福州市地理信息行业创新中心福建福州350108

开展耕地科学分区对于耕地管理利用、种养结合、耕地集约化等方面具有重要的现实意义。本文基于CURE、K-medoid、Single link和BIRCH 4种空间聚类算法,以上街镇耕地数据为例,利用SuperMap iObjects. NET8C组件开展耕地空间聚类对比分析... 详细信息

开展耕地科学分区对于耕地管理利用、种养结合、耕地集约化等方面具有重要的现实意义。本文基于CURE、K-medoid、Single link和BIRCH 4种空间聚类算法,以上街镇耕地数据为例,利用SuperMap iObjects. NET8C组件开展耕地空间聚类对比分析研究,并采用轮廓系数,从凝聚度和分离度的角度比较各种耕地聚类算法的合理性,进而得到耕地的最佳空间聚类结果,以期为区域耕地资源科学配置和优化提供科学依据。

关键词：空间聚类算法耕地组件GIS 轮廓系数

在线全文

学校读者我要写书评

暂无评论

空间数据挖掘聚类算法研究

滨州学院学报 2006年第6期22卷 43-48页

作者：宋殿霞王艳邹光辉上海水产大学信息学院上海200090 空军大连通信士官学校电子教研室辽宁大连116600

聚类分析是当今飞速发展的数据挖掘和数据信息分析的一个重要技术,因此聚类分析已经成为数据挖掘领域一个非常活跃的研究课题.针对空间数据库对聚类算法的特殊要求,分析了空间聚类算法的构造思想及其优缺点,探讨了空间聚类算法目前的工... 详细信息

聚类分析是当今飞速发展的数据挖掘和数据信息分析的一个重要技术,因此聚类分析已经成为数据挖掘领域一个非常活跃的研究课题.针对空间数据库对聚类算法的特殊要求,分析了空间聚类算法的构造思想及其优缺点,探讨了空间聚类算法目前的工作、算法的一些开放性问题以及今后的研究方向.

关键词：空间聚类算法空间数据库数据挖掘

在线全文

学校读者我要写书评

暂无评论

基于Ward法的区域空间聚类分析

中国人口·资源与环境 2010年第S1期20卷 382-386页

作者：杨志恒山东经济学院山东区域经济研究院山东济南250014

作为数据挖掘和数据信息分析的一个重要技术,空间聚类方法是确定区域划分方案的一种定量分析方法。本文以Ward系统聚类法为基础,采用自下而上的层次方法,定义了由地理空间距离与空间邻接关系提取的空间邻近指数,将其作为判断离差平方和... 详细信息

作为数据挖掘和数据信息分析的一个重要技术,空间聚类方法是确定区域划分方案的一种定量分析方法。本文以Ward系统聚类法为基础,采用自下而上的层次方法,定义了由地理空间距离与空间邻接关系提取的空间邻近指数,将其作为判断离差平方和增幅最小类别是否聚合的指示值,对给定的数据进行逐层筛选判别,进行空间聚合分析。将该算法应用于昆明市经济发展分区,所得结果较好的体现了昆明市经济发展水平的地域特征,实现了空间上自动聚合,使得分区结果符合区域划分原则。

关键词： Ward法空间邻近指数空间聚类算法优先度

基于GIS空间聚类的城市道路事故黑点识别与成因研究

在线全文

学校读者我要写书评

暂无评论

基于GIS空间聚类的城市道路事故黑点识别与成因研究

作者：陈诺长安大学

学位级别：硕士

随着城市人口、机动车保有量以及出行距离的不断增加,城市交通出行总量迅速攀升,城市交通系统安全平稳运行的压力也与日俱增,城市道路系统中的交通事故发生频率高,对交通系统通行秩序和效率有着不可忽视的影响。城市居民日益增长的对交... 详细信息

随着城市人口、机动车保有量以及出行距离的不断增加,城市交通出行总量迅速攀升,城市交通系统安全平稳运行的压力也与日俱增,城市道路系统中的交通事故发生频率高,对交通系统通行秩序和效率有着不可忽视的影响。城市居民日益增长的对交通运行环境畅通、安全、绿色和舒适的需求和意愿,对城市交通管理人员提出了更大的挑战和更高的要求。而城市道路事故黑点正是交通系统中的“痛点”,如何对城市道路中的事故黑点进行精准定位、识别和分析,从而提出高效经济的治理对策,提升交通环境治理能力,创造良好的城市交通运行环境,助力城市发展建设,成为道路交通安全管理中亟须解决的问题之一。本文首先对现有事故黑点识别方法以及空间聚类理论研究进展进行了学习和研究,结合GIS空间分析技术特征和聚类算法识别事故空间集聚区域的客观高效的特点,通过运用基于GIS的缓冲叠置空间分析技术和基于网格的K-means聚类算法,对安庆市中心城区城市道路进行事故黑点的识别,与历史数据完全吻合,进行了识别方法的有效性验证,得出了事故多发的区域和路段;在分析安庆市中心城区交通事故的分布规律和形态特征的基础上,从驾驶员、车辆、道路、和环境四个方面着手研究城市道路交通事故黑点的影响因素,对各个因素对交通事故发生的影响机理进行探讨,并采用层次分析法对事故黒点的各个因素进行量化,对其影响程度进行排序,得到该区域事故主要成因,从而对城市道路事故黑点从各个方面的治理提供了合理科学的建议。

关键词：事故黑点 GIS缓冲叠置分析空间聚类算法事故成因层次分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于近邻分布的空间聚类方法

计算机科学与应用 2012年第2期2卷 114-120页

作者：杨增芳杨扬解敏玉溪师范学院信息技术工程学院玉溪云南师范大学信息学院昆明

空间聚类是分析空间数据的一种重要工具,空间数据库中的聚类形状可能会是任意形状的,比如球状的、持续的、延伸的等,因此,能否发现任意形状簇成为衡量空间聚类算法质量的一个重要标准。本文中我们提出一种基于最近邻距离分布的空间聚类... 详细信息

空间聚类是分析空间数据的一种重要工具,空间数据库中的聚类形状可能会是任意形状的,比如球状的、持续的、延伸的等,因此,能否发现任意形状簇成为衡量空间聚类算法质量的一个重要标准。本文中我们提出一种基于最近邻距离分布的空间聚类方法,这个算法是基于这样一个假设,假设在数据空间的某个特定部分,一个聚类内部的点是均匀分布的。实验分析表明,该方法不仅能发现任意形状的簇,而且对于大型空间数据库是高效有用的。

关键词：最近邻空间聚类算法聚类

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于量子粒子群的带障碍约束的空间聚类

安庆师范学院学报（自然科学版） 2010年第3期16卷 38-41页

作者：马程杨诗琴蚌埠学院计算机科学与技术系安徽蚌埠233000 上海电机学院信息中心上海200240

空间聚类是空间数据挖掘研究领域中一个重要的研究课题,而传统的空间聚类方法往往忽略障碍对聚类结果的影响。本文在量子粒子群算法的基础上,研究了障碍约束的处理方法,并提出一种基于量子粒子群的带障碍约束的空间聚类算法,实验结果表... 详细信息

空间聚类是空间数据挖掘研究领域中一个重要的研究课题,而传统的空间聚类方法往往忽略障碍对聚类结果的影响。本文在量子粒子群算法的基础上,研究了障碍约束的处理方法,并提出一种基于量子粒子群的带障碍约束的空间聚类算法,实验结果表明,该算法不仅有效地克服了聚类算法极易陷入局部极小值和对初始值敏感的问题,而且聚类结果比忽略障碍的量子粒子群算法更符合实际情况。

关键词：量子粒子群算法障碍约束空间聚类算法空间数据挖掘空间聚类方法实验结果研究领域研究课题处理方法极小值初始值问题敏感局部基础