A natural language processing and geospatial clustering framework for harvesting local place names from geotagged housing advertisements

Local place names are frequently used by residents living in a geographic region. Such place names may not be recorded in existing gazetteers, due to their vernacular nature, relative insignificance to a gazetteer covering a large area (e.g. the entire world), recent establishment (e.g. the name of a newly-opened shopping center) or other reasons. While not always recorded, local place names play important roles in many applications, from supporting public participation in urban planning to locating victims in disaster response. In this paper, we propose a computational framework for harvesting local place names from geotagged housing advertisements. We make use of those advertisements posted on local-oriented websites, such as Craigslist, where local place names are often mentioned. The proposed framework consists of two stages: natural language processing (NLP) and geospatial clustering. The NLP stage examines the textual content of housing advertisements and extracts place name candidates. The geospatial stage focuses on the coordinates associated with the extracted place name candidates and performs multiscale geospatial clustering to filter out the non-place names. We evaluate our framework by comparing its performance with those of six baselines. We also compare our result with four existing gazetteers to demonstrate the not-yet-recorded local place names discovered by our framework.     

A taxonomical and ecological survey of rotiffer communities in Krottensee (Austria)

The composition and distribution of benthic, periphytic and planktonic rotifers in different habitats in Krottensee were investigated. Sixty-five rotifer taxa were identified, their relative abundance estimated. Classification of the data set by cluster analysis allowed the recognition of distinct habitat groups confined to acid bog ponds, macrophytes, sediments and open water. Five groups of rotifer taxa were identified on the basis of their habitat preferences and the occurrence of the taxa. Highest diversities were found on macrophytes and in acid bog ponds.     

闽南：台湾浅滩渔场变性水团的初步分析

根据聚类方法，对闽南－台湾浅滩渔场变性水团进行划分，本海区共有６个变性水团。讨论各个变性水团在不同季节消长变化规律。     

流形上的空间密度聚类算法研究

研究流形上的聚类分析，针对基于密度的空间聚类引入了流形概念，提出1种基于流形的密度聚类算法，该方法将流形的概念与聚类相结合，可以适用于样本为复杂分布的聚类。文中通过实例证明此算法的有效性。     

聚类分析法在浅海水团分析中的应用及黄、东海变性水团的分析

本文引入变性水团概念,用聚类分析确定黄、东海浅海海域变性水团的边界及其变化。根据给定的标准进行聚类,确定了水团的个数、边界及混合区。 由聚类方法所得结果看出,在该海区中有八个变性水团。根据温、盐相对指标,将这些水团分为九种不同的特征。也可以把这些水团划分为三种盐度类型。在温—盐点聚图上,不同变性水团的温盐点,分布于一条曲线附近,它体现出逐级变性的特点。各变性水团的变化范围都很大,这说明该海区中水团变性强烈。在暖季中的增温降盐和冷季中的降温增盐,可认为是整个黄海和东海水体变性的特征。所有季节性水团都经历一个形成与消亡的过程。 文中讨论了变性水团和海洋环境的相互关系。水团变性是热力因素和动力因素共同作用而产生的。通过变性水团的分析,作者认为,在该海区水团的变性中,热力因素起着主要作用。变性水团界线的舌状分布与流向之间的关系是很明显的,可作为分析环流的旁证。最后描述了变性水团和底层中心渔场之间的关系。     

长江口及济州岛附近海域变性水团的初步分析

基于变性水团的概念,本文把聚类分析用于确定长江口及济州岛附近海域变性水团的边界。由聚类分析得到的结果表明,在该海区有十个水团。对它们的特征、分布与变化进行了初步分析。作者得出的结论是:1、在十个水团中,有四个大洋性水团,六个变性水团。2、该海域水团变性的特点为暧季增温、降盐、降氧,而冷季则相反。3、水团变性是由海区内、外因素综合作用而发生的,而后者在浅水区域起主要作用。4、水团边界的舌状分布与流向之间有明显关系。因之,海流的方向及强度,大致可依水团舌状分布而判断。5、底层中心渔场基本上位于各变性水团之间的混合区或其附近。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

人口空间聚类规则挖掘——全国各省市产业结构分类研究

本文采用离差平方和法(Ward方法),对2005年全国31个省市产业结构情况进行分析说明,归纳总结出各省市的主要产业类型及各产业与人均生产总值的关系,并从经济的视角获得各省市的产业结构类型与其经济发展状况的关系。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

改进相似性测度的高光谱影像FCM聚类分析

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。