空間數(shù)據(jù)挖掘的機(jī)理研究——聚類問題算法研究.pdf

1、空間數(shù)據(jù)挖掘是指從空間數(shù)據(jù)庫中提取用戶感興趣的空間模式與特征、空間與非空間數(shù)據(jù)的普遍關(guān)系及其它一些隱含在空間數(shù)據(jù)中的普遍的數(shù)據(jù)特征。聚類分析是數(shù)據(jù)挖掘中的一種非常重要的技術(shù)和方法?？臻g聚類分析既可以發(fā)現(xiàn)隱含在海量數(shù)據(jù)中的聚類規(guī)則，又可以與其它數(shù)據(jù)挖掘方法結(jié)合使用，發(fā)掘更深層次的知識(shí)，從而提高數(shù)據(jù)挖掘的效率和質(zhì)量?？臻g聚類分析是空間數(shù)據(jù)挖掘的重要研究方向之一。本研究主要內(nèi)容如下： ⑴對空間數(shù)據(jù)挖掘進(jìn)行了概述，介紹了空間數(shù)據(jù)挖掘的理

2、論、方法和研究內(nèi)容。 ⑵闡述了聚類的概念，系統(tǒng)而完整地分析和總結(jié)了主要的空間數(shù)據(jù)聚類算法的性能、優(yōu)缺點(diǎn)、計(jì)算復(fù)雜度以及各聚類算法的應(yīng)用條件。 ⑶針對DBSCAN算法I/O開銷和內(nèi)存消耗大的缺點(diǎn)，提出了基于層次合并的密度算法。該算法減少了DBSCAN算法中需要查詢的點(diǎn)的數(shù)量，從而克服了DBSCAN算法I/O開銷和內(nèi)存消耗大的缺點(diǎn)。算法分析表明該算法對DBSCAN的改進(jìn)是有效的。 ⑷在空間聚類中，最佳聚類數(shù)k求解的關(guān)

3、鍵是構(gòu)造合適的聚類有效性函數(shù)。針對典型K-平均算法中的聚類數(shù)k必須是事先給定的確定值，然而，實(shí)際中k很難被精確地確定，使得該算法對一些實(shí)際問題無效的缺點(diǎn)．提出距離代價(jià)函數(shù)作為最佳聚類數(shù)的有效性檢驗(yàn)函數(shù)，建立了相應(yīng)的數(shù)學(xué)模型，并據(jù)此提出了一種改進(jìn)的k值優(yōu)化算法，實(shí)例進(jìn)一步驗(yàn)證了新方法的有效性。 ⑸提出了一個(gè)基于聚類的空間數(shù)據(jù)挖掘系統(tǒng)的框架，從系統(tǒng)設(shè)計(jì)目標(biāo)和系統(tǒng)設(shè)計(jì)展開研究，采用模塊化設(shè)計(jì)的思想，將系統(tǒng)設(shè)計(jì)劃分為數(shù)據(jù)訪問、聚類、用戶