基于核心估计的空间聚类算法及其应用研究
空间聚类是空间数据挖掘的基本方法,本文基于核心估计提出一种新的空间聚类算法.该算法的基本原理是将研究区域划分为一定分辨率的网格,将用核心估计法计算得到的数据对象密度值分配到每个网格上,从而把高密度与低密度区域分割开,获得聚类中心.居民点空间分布是区域自然、社会、经济和历史发展等诸多因素综合作用的结果,是人口空间分布的直观反映,影响城市化和区域经济发展的空间格局.选择贵州晴隆幅1:10 万地形图中的部分居民点作为实验研究对象,得到由各居民点坐标数据组成的数据集(二维空间点集),基于核心估计法在多种空间尺度下对该数据集进行聚类分析,检验该方法在聚落地理学研究中的有效性.结果表明,基于核心估计的空间聚类算法可从带有”噪声”的空间数据库中发现任意形状的聚类且效果优于同类算法,将基于核心估计的空间聚类引入到传统聚落地理研究中是可行的.
核心估计 空间聚类 居民点分布 空间数据挖掘 聚落地理学
汪燕 毛政元
福州大学空间数据挖掘与信息共享教育部重点实验室,福建省空间信息工程研究中心,福州,350002
国内会议
武汉
中文
2006-10-30（万方平台首次上网日期，不代表论文的发表时间）