基于密度的加权K-Means算法

K-Means算法是比较流行的局域聚类算法,但由于其存在需要输入聚类数目以及对初始聚类中心敏感等缺陷,本文提出了一种基于密度的加权K-Means聚类算法来初始化聚类中心。该算法定义了点的密度函数和聚类中心函数,通过一定评价函数获取聚类中心。该方法获取的聚类中心不仅周围密度比较大,而且各个聚类中心之间相关性比较小,从而有效的减少了聚类时间,提高算法效率。     

众包图像数据采集与聚类分析方法探讨

众包图像是由大众经过一定方法获取后通过互联网向公众或相关机构提供的一种开放式图像数据。利用网络爬虫工具在互联网上爬取了一定数量的众包图像,并分别探讨了单张图像聚类方法和多张图像聚类方法,以期为众包技术如何服务于智慧小城镇规划管理提供技术参考。利用K-means聚类方法对单张众包图像进行聚类,并探讨了分别利用Python语言和Java语言编程实现图像聚类的方法 ;利用层次聚类方法对多张众包图像进行聚类。     

一种基于重排检验的时空聚类方法

融合时空邻近与专题属性相似的时空聚类是挖掘地理现象时空演化规律的重要手段。现有方法需要的聚类参数许多难以获取,影响了聚类方法的可操作性与聚类结果的可靠性。提出一种基于重排检验的时空聚类方法。首先,通过重排检验发现时空数据集中的均质子区域;进而,采用均方误差准则合并均质子区域内的时空实体生成时空簇,并通过簇内重排检验自动识别聚类合并的终止条件;最后,借助时空拓扑关系在保证结果精度的前提下发展一种快速重排检验的方法,提高了聚类方法的运行效率。通过实验和比较发现,该方法一方面可以发现不同形状、大小的时空簇,聚类质量优于经典的ST-DBSCAN方法;另一方面聚类过程中人为设置参数的主观性显著降低,提高了聚类方法的可操作性。     

基于聚类有效性函数的面状地理实体聚类

为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法.给出了适合面状地理实体k-中心点聚类算法的聚类有效性函数;将该有效性函数改写为适应度函数,设计了基于遗传算法的面状地理实体聚类算法.该算法在计算聚类数的同时能得到划分聚类结果.实验结果从一定程度上反映了数据集的结构信息特征.     

基于聚类有效性函数的面状地理实体聚类

为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法。给出了适合面状地理实体k-中心点聚类算法的聚类有效性函数;将该有效性函数改写为适应度函数,设计了基于遗传算法的面状地理实体聚类算法。该算法在计算聚类数的同时能得到划分聚类结果。实验结果从一定程度上反映了数据集的结构信息特征。     

空间聚类方法的分类

目前,空间聚类的研究成果主要集中在点目标方面,现有的分类方法也主要针对点目标的聚类。随着空间聚类研究和应用的不断深入,线目标、面目标的空间聚类方法也逐渐被提出,因此本文从空间目标的维度、是否顾及非空间属性、算法思想等3个方面,探讨了空间聚类的分类方法,进而简要阐述每种空间聚类方法的典型算法。     

数据质量聚类算法

在聚类算法中，聚类中心决定聚类的最终结果，而传统的分割聚类算法不能准确定位聚类中心。根据数据场提出了数据质量聚类中心的新概念，给出数据质量聚类算法，能够一次定位聚类中心，无需迭代，也无需预置聚类个数。7组对比实验表明，提出的方法能够准确定位聚类中心，获得良好的聚类结果和稳定性，优于传统的分割聚类算法和峰值密度聚类算法。     

赋权共原点灰色聚类的区域自然资源评价研究

提出了基于赋权共原点灰色聚类方法,该方法使用分段、共原点来计算聚类函数,对其进行合理的赋权后,以此来区别各聚类元素在其聚类指标下的所属类别,从而对区域自然资源进行评价,并选取湖北省进行了实例分析.     

一种基于双重距离的空间聚类方法

传统聚类方法大都是基于空间位置或非空间属性的相似性来进行聚类,分裂了空间要素固有的二重特性,从而导致了许多实际应用中空间聚类结果难以同时满足空间位置毗邻和非空间属性相近。然而,兼顾两者特性的空间聚类方法又存在算法复杂、结果不确定以及不易扩展等问题。为此,本文通过引入直接可达和相连概念,提出了一种基于双重距离的空间聚类方法,并给出了基于双重距离空间聚类的算法,分析了算法的复杂度。通过实验进一步验证了基于双重距离空间聚类算法不仅能发现任意形状的类簇,而且具有很好的抗噪性。     

空间层次聚类显著性判别的重排检验方法

同时顾及空间邻近与专题属性相似的空间层次聚类是挖掘空间分布模式的一种有效手段。空间层次聚类方法虽然可以获得多层次的聚集结构,但聚类结果显著性的统计判别依然是一个尚未解决的难题。为此,本文提出了一种空间层次聚类结果显著性的统计判别方法,用于确定空间层次聚类的停止准则,减少聚类过程对参数设置的依赖。通过试验分析与比较发现,该方法能够有效判别空间层次聚类结果的显著性和确定层次聚类合并过程的停止条件,同时具有很好的抗噪性,避免随机结构的干扰。     

基于层次性邻近分析的农用地分等数据库综合

以农用地分等数据库综合为例,提出了图斑归并同时顾及几何距离和多种专题属性的层次性邻近分析方法,及基于层次性邻近分析的多边形聚合和融合方法,并以实例验证了其有效性.     

基于Visual C#.NET的模糊聚类分析系统及其应用

由于事物的区分通常具有模糊性,采用模糊聚类方法进行分类更符合实际。介绍了模糊聚类分析的基本思想,用传递闭包法进行聚类分析,基于Visual C#.NET语言研制了一个模糊聚类分析系统,并应用于形变监测网的分析。结果显示,其分类结果符合实际要求。     

对新疆塔里木河流域土地盐渍化进行专题信息提取的应用研究

对新疆塔里木河流域进行土地盐渍化专题信息提取,建立该地区土地盐渍化分类系统,提高土地盐渍化分类精度。结果表明:所采用的土地盐渍化专题信息提取方法是可行的,对于生态环境监测的土地利用/覆盖、土壤沙漠化等问题均适用。对于建立生态环境监测系统有非常实用的价值。     

基于图例元的统计专题地图图例符号自动生成模型的研究

通过分析统计专题地图图例符号的分类和特点,提出了图例元的概念。在对图例元分类及形式化描述的基础上,构建了基于图例元的统计专题地图图例符号自动生成模型;设计并实现了统计专题地图图例的自动生成模块,最终应用到统计专题地图的制作过程中。结果表明,该模型可以生成各类统计专题地图图例符号,具有一定的拓展性,促进了统计专题地图制图的自动化。     

图像分类中基于核映射的光谱匹配度量方法

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。     

土地利用现状图扫描符号的自动提取与识别

土地利用现状图扫描符号的自动提取能节省人力财力物力。本文采用地图代数和人工神经网络的方法进行扫描现状图符号的自动提取和识别。首先根据图例建立用于特征匹配的符号模板库,然后使用加壳变换和蜕皮变换进行点状符号和线状符号的分离,并使用Canny算子平滑符号,再通过人工神经网络的训练进行色彩聚类而实现符号分割。定义多重相似度,实现符号的预分类识别,在此基础上计算加权距离再次识别。最后采用加壳变换连接断点并提取骨架线对这些断线进行连接,形成完整的线状符号。实验表明,本方法的正确率达到90%以上。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题，集成Lanczos算法与谱聚类算法，探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性，提出了一种面向高光谱遥感图像的快速谱聚类算法；通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果，发现面向高光谱遥感图像的谱聚类算法易于识别线性地物，且分类的速度能得到较大提升。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,它在各个领域的应用已经越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。本文正是基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。     

基于知识的GIS专题数据综合的研究

分析了GIS专题数据综合知识的分类体系，采用人工智能技术的产生式规则表示法将综合知识形式化为综合规则，并分析了GIS专题数据综合规则体系的形成模式；用实例分析比较了运用规则和不运用规则产生的不同综合结果，并以此进一步体现围绕特定应用专题的专题知识对专题数据综合的重要性。