論文開(kāi)題報(bào)告空間聚類(lèi)(編輯修改稿)
2025-07-22 02:57 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 的 聚類(lèi)方法對(duì)數(shù)據(jù)的處理效果不一樣。本課題針對(duì)空間數(shù)據(jù)的特性選取有代表性的聚類(lèi)方法實(shí)現(xiàn)空間數(shù)據(jù)的最佳聚類(lèi)分析。主題詞1. 主題詞數(shù)量不多于三個(gè)；２. 主題詞之間空一格（英文用／分隔）中文空間數(shù)據(jù)聚類(lèi)分析英文spatial data cluster analyze 注：區(qū)分基礎(chǔ)研究和應(yīng)用研究的主要標(biāo)志：具有特定的實(shí)際應(yīng)用目的的研究屬于后者； 區(qū)分科學(xué)研究（基礎(chǔ)研究和應(yīng)用研究）與開(kāi)發(fā)研究的主要標(biāo)志：前者主要是為了 增加科學(xué)技術(shù)知識(shí)，后者則是為了開(kāi)辟新的應(yīng)用（如新材料、新技術(shù)、新工藝等）。 1 二、選題依據(jù)1．選題的來(lái)源、目的和意義u 選題的來(lái)源：空間數(shù)據(jù)表示的基本任務(wù)，就是將以圖形模擬的空間物體表示成計(jì)算機(jī)能夠接受的數(shù)字形式?？臻g數(shù)據(jù)有兩種基本的表示模型：柵格模型和矢量模型。在柵格模型中，地理空間被劃分為規(guī)則的小單元（像元），空間位置有像元的行、列號(hào)表示。像元的大小反映了數(shù)據(jù)的分辨率即精度，空間物體由若干像元隱含描述。矢量模型將地理空間看成一個(gè)空域，地理要素存在其間。在矢量模型中，各類(lèi)地理要素根據(jù)其空間形態(tài)特征分為點(diǎn)、線(xiàn)、面三類(lèi)。在用空間數(shù)據(jù)描述的地理信息中，有時(shí)需要根據(jù)某種標(biāo)準(zhǔn)將有用或人們感興趣的數(shù)據(jù)聚集和分類(lèi)，來(lái)發(fā)現(xiàn)地理數(shù)據(jù)中隱含的信息或變化的趨勢(shì)。其中，聚類(lèi)分析是用來(lái)研究和分析空間數(shù)據(jù)的首選。聚類(lèi)分析是人類(lèi)的一個(gè)重要行為。人類(lèi)就是不斷通過(guò)改進(jìn)意識(shí)中的聚類(lèi)模式來(lái)識(shí)別各類(lèi)事物的。目前聚類(lèi)分析已經(jīng)廣泛應(yīng)用于包括模式識(shí)別、數(shù)據(jù)分析、圖像處理、市場(chǎng)分析等領(lǐng)域，通過(guò)聚類(lèi)分析，我們能識(shí)別密集和稀疏的區(qū)域，進(jìn)而發(fā)現(xiàn)全局的分布模式，以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。空間數(shù)據(jù)聚類(lèi)是在一個(gè)較大的多維數(shù)據(jù)集中根據(jù)以某種度量為標(biāo)準(zhǔn)的相似性找出簇或稠密區(qū)域，在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同簇中的對(duì)象差別較大。相異度是根據(jù)描述對(duì)象的屬性值來(lái)計(jì)算的，距離是經(jīng)常采用的度量方式?？臻g聚類(lèi)對(duì)空間物體的集群性進(jìn)行分析，將其分為幾個(gè)不同的子群（類(lèi)）。子群的形成是地理系統(tǒng)運(yùn)作的結(jié)果，根據(jù)此可以揭示某種地理機(jī)制。此外，子群可以作為其他分析的基礎(chǔ)。例如：公共設(shè)施的建立一般的說(shuō)是根據(jù)居民點(diǎn)群的分布，而不是具體的居民住宅的分布來(lái)布置的，因此需要對(duì)居民點(diǎn)群進(jìn)行聚類(lèi)分析以形成若干居民點(diǎn)子群，這樣便于簡(jiǎn)化問(wèn)題，突出重點(diǎn)。u 目的和意義：空間聚類(lèi)分析可以從地理空間實(shí)體數(shù)據(jù)集中發(fā)現(xiàn)隱含的信息或知識(shí)，主要有地理空間實(shí)體凝聚的趨勢(shì)、分布規(guī)律和變化趨勢(shì)等。地理空間實(shí)體分布規(guī)律揭示了空間實(shí)體的群體定位特征。分布規(guī)律通常用分布密度與均值、分布中心、分布軸線(xiàn)和離散度參數(shù)來(lái)描述。空間聚類(lèi)分析是揭示空間實(shí)體的群體定位特征的常用方法之一。地理空間實(shí)體發(fā)展變化趨勢(shì)是指空間實(shí)體的分布形狀與理論擴(kuò)展形狀的差異特征、空間實(shí)體分布形狀隨時(shí)間變化的變化特征、空間實(shí)體的非空間屬性在2維或3維空間上的變化情況?？臻g聚類(lèi)分析要求能發(fā)現(xiàn)任意形狀的聚類(lèi)，將得到的聚類(lèi)形狀與理論擴(kuò)展形狀（球形、橢圓形或方形）相比較可以發(fā)現(xiàn)許多有意義的隱含信息。2．選題的國(guó)內(nèi)外研究現(xiàn)狀、發(fā)展趨勢(shì)及存在問(wèn)題（附主要參考文獻(xiàn)）u 國(guó)內(nèi)外研究現(xiàn)狀：20世紀(jì)90年代中期，空間聚類(lèi)主要集中在兩個(gè)方面：一是對(duì)早期算法的改進(jìn)，二是開(kāi)辟新的算法。例如,WaveCluster和DENCLUE等。然而，后期的研究發(fā)現(xiàn)，聚類(lèi)空間數(shù)據(jù)仍然面臨新的問(wèn)題：（1）處理大量數(shù)據(jù)點(diǎn)；（2）處理高維數(shù)據(jù)；（3）處理多噪聲。一些新的技術(shù)，如取樣本，濃縮技術(shù)、索引技術(shù)和基于網(wǎng)絡(luò)的技術(shù)逐漸應(yīng)用到聚類(lèi)中，一些性能較優(yōu)的算法也相繼的提出。主要有CLARANS,DBSCAN,BIRCH,STING,CLIQUE,CURE,OPTICS和CHAMELEON等算法。但是這些算法只能解決其中的一個(gè)或兩個(gè)問(wèn)題，并不能解決以上三個(gè)問(wèn)題。近幾年的一些新的研究著眼于對(duì)以前算法的進(jìn)一步改進(jìn)和尋找新的聚類(lèi)途徑。例如：STING+,MAFIA,OPTIGRID,AMOEBA,CODCLARANS,DBCLUC,DBRS和DBRS+等，他們開(kāi)辟了空間聚類(lèi)的新方
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1