一种利用邻近原则的聚类方法

根据散列式居民地中独立房的分布特点,提出了一种适合此类居民地的聚类方法。此法利用邻近原则,将符合聚类条件的独立房快速找出,并聚类在一起,并且本方法不存在过于复杂的运算,速度较快。同时,本文还分析了顾及障碍物的情况下独立房聚类的条件。     

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。     

一种基于网格的空间聚类方法在区域划分中的应用

区域划分是依据人口和社会经济指标将行政统计单元或其他地理实体划分成若干个不同水平或类别的集合。由于大多数的人口和社会经济指标来源于面状数据-行政统计单元,常用的区域划分的空间聚类方法是基于面状数据的,本文通过分析现有面状数据的聚类算法特点和不足,进而提出一种新的算法,该方法提出将面状统计单元进行网格划分,引入基于网格密度聚类算法的思想,克服现有面状聚类的诸多缺点,打破行政区划的限制,更好地发现潜在信息。     

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.     

一种基于场论的层次空间聚类算法

从空间数据场的角度出发,提出了一种基于场论的层次空间聚类算法(简称HSCBFT)。该算法是通过模拟空间实体间的凝聚力来描述空间实体间的相互作用,进而采取层次凝聚的策略进行聚类。通过实验分析可以发现,层次空间聚类算法具有如下优势:①空间聚类簇中各空间实体很好地满足了空间邻近且专题属性相似的要求;②能发现任意形状的空间簇,且具有良好的抗噪性;③输入参数较少。     

一种建筑物只能聚类方法

建筑物聚类是大比例尺地图自动制图综合中需要解决的关键问题。通过分析Gestalt原理的邻近性、相似性等,采用建筑物重心、建筑物间的距离、建筑物与邻近线状地物要素间位置关系等参数描述建筑物。本文提出的建筑物智能聚类方法包含两个连续的步骤:首先计算建筑物的描述参数,利用SOM网络的聚类能力,进行建筑物的初步聚类;然后,利用SOM竞争层行列扫描的方法,对初步聚类的建筑物类簇进行精确划分,获得满足建筑物聚类的全局和局部约束条件等制图要求的建筑物聚类群组。     

聚类算法研究

建立了一种新的聚类算法——模糊投影寻踪聚类(fuzzy projection pursuit cluster, FPPC)算法,实现了投影寻踪聚类(projection pursuit clustering,PPC)算法与模糊聚类迭代(fuzzy clustering iterative,FCI)算法的良好融合。FPPC算法首先建立了一种新的投影指标函数,该函数由投影值标准差和投影点广义欧氏权距离平方和构成,能避免传统PPC中选取惟一参数密度窗宽时完全依赖经验来决定的问题;然后采用投影技术对高维数据进行降维处理,执行FCI步骤来对低维样本集进行初次聚类运算;接着通过寻找最优投影方向的过程,对样本集进行PPC的二重聚类。在FPPC求解过程中,运用了由混沌理论、文化算法与差分进化算法融合而成的混沌文化差分进化算法进行优化处理。实验仿真表明,FCI与PPC双重迭代聚类的FPPC算法拥有更优的聚类精度及有效性。     

一种基于局部分布的空间聚类算法

设计了一种度量邻近域内空间实体局部分布的新指标——中值角度,在此基础上,提出了一种基于空间实体局部分布的空间聚类算法。该方法递归搜索空间实体集中所有局部分布度量值相近且非离群的点,并将其聚为一类。通过模拟数据和实际数据进行实验发现,所提出的算法比DBSCAN算法的聚类结果更合理,具有很好的抗噪性,能发现任意形状的聚类。     

一种基于多约束的空间聚类方法

借助Delaunay三角网构建空间邻近关系的优势,通过施加不同层次、不同类型的约束,提出一种空间聚类的新方法。通过试验分析与比较发现,该算法可以探测复杂结构的空间簇,对噪声点稳健,并且能够同时顾及实体间空间位置与专题属性的相似性。     

利用SOFM对鸡西盆地城子河组储层综合评价

通过对已有的储层评价方法优势与不足的分析,提出了在空间数据库基础上应用自组织特征映射神经网络进行油气储层评价。通过对鸡西盆地城子河组表征储层性能参数的分析,建立储层评价参数标准,并按照建立空间数据库-网格化-文件转换-文件合成-神经网络评价-类别评价-图形绘制的评价流程,生成鸡西盆地城子河组储层综合评价图。评价结果显示:Ⅰ级储集层主要发育于鸡东坳陷中央即鸡D6井东侧呈东西向条带状分布和鸡D6井西侧不规则分布;梨树镇坳陷西部:梨树镇周缘即鸡D2、鸡1、鸡3井周缘呈块状分布;Ⅱ级储集层区块主要发育于鸡东坳陷中部;Ⅲ级储集层区块最大;Ⅳ级在鸡西盆地零星分布。     

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。     

Self-organised clustering for road extraction in classified imagery

The extraction of road networks from digital imagery is a fundamental image analysis operation. Common problems encountered in automated road extraction include high sensitivity to typical scene clutter in high-resolution imagery, and inefficiency to meaningfully exploit multispectral imagery (MSI). With a ground sample distance (GSD) of less than 2 m per pixel, roads can be broadly described as elongated regions. We propose an approach of elongated region-based analysis for 2D road extraction from high-resolution imagery, which is suitable for MSI, and is insensitive to conventional edge definition. A self-organising road map (SORM) algorithm is presented, inspired from a specialised variation of Kohonen's self-organising map (SOM) neural network algorithm. A spectrally classified high-resolution image is assumed to be the input for our analysis. Our approach proceeds by performing spatial cluster analysis as a mid-level processing technique. This allows us to improve tolerance to road clutter in high-resolution images, and to minimise the effect on road extraction of common classification errors. This approach is designed in consideration of the emerging trend towards high-resolution multispectral sensors. Preliminary results demonstrate robust road extraction ability due to the non-local approach, when presented with noisy input.     

An improved algorithm for supervised fuzzyC-means clustering of remotely sensed data

This paper describes an improved algorithm for fuzzyc-means clustering of remotely sensed data, by which the degree of fuzziness of the resultant classification is decreased as comparing with that by a conventional algorithm: that is, the classification accuracy is increased. This is achieved by incorporating covariance matrices at the level of individual classes rather than assuming a global one. Empirical results from a fuzzy classification of an Edinburgh suburban land cover confirmed the improved performance of the new algorithm for fuzzyc-means clustering, in particular when fuzziness is also accommodated in the assumed reference data.     

Segmentation-based classification of hyperspectral imagery using projected and correlation clustering techniques

A partitional clustering-based segmentation is used to carry out supervised classification for hyperspectral images. The main contribution of this study lies in the use of projected and correlation partitional clustering techniques to perform image segmentation. These types of clustering techniques have the capability to concurrently perform clustering and feature/band reduction, and are also able to identify different sets of relevant features for different clusters. Using these clustering techniques segmentation map is obtained, which is combined with the pixel-level support vector machines (SVM) classification result, using majority voting. Experiments are conducted over two hyperspectral images. Combination of pixel-level classification result with the segmentation maps leads to significant improvement of accuracies in both the images. Additionally, it is also observed that, classified maps obtained using SVM combined with projected and correlation clustering techniques results in higher accuracies as compared to classified maps obtained from SVM combined with other partitional clustering techniques.     

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.     

结合隶属度空间约束的模糊聚类图像分割

针对传统模糊聚类分割方法未考虑邻域像素隶属度空间关系的问题,该文提出了一种结合隶属度空间约束的模糊聚类图像分割方法。采用邻域之间的空间约束来限制隶属度值,解决同质区域中可能出现的噪声问题,从而提高分割精度。分别对模拟图像和彩色图像进行分割实验,并与未结合隶属度空间约束的分割结果进行对比分析。实验表明,此方法实现了对隶属度的空间约束,验证了本文算法的有效性。     

一种顾及时间特征的船舶轨迹DBSCAN聚类算法

随着世界海洋经济的快速增长和各国海洋贸易的持续发展,船舶A IS系统被世界各国广泛采用,由此产生海量的船舶轨迹数据.如何对这些多维、动态的数据进行挖掘和利用,成为当前时空数据挖掘领域的研究热点之一.文中在经典DBSCAN空间聚类算法的基础上,对船舶轨迹数据进行清洗、压缩等预处理,并将其划分为特征点相连的子轨迹段,然后引...     

结合凝聚层次聚类的极化SAR海冰分割

针对全极化高分辨率合成孔径雷达(SAR)多噪声的特点,选择合适的海冰SAR影像纹理特征量,并基于凝聚层次聚类的思想,提出一种全极化SAR海冰分割方法。将该方法的结果与K-Means、迭代自组织聚类(ISODATA)和模糊C均值算法等经典分割方法相比较,发现该方法的碎斑明显减少,且分割结果较为准确,证明了该方法的有效性。     

一种基于NAMPD的快速边界提取算法

The nonsymmetry and antipacking pattern representation model(NAM) ,inspired by the concept of the packing problem,uses a set of subpatterns to represent an original pattern.The NAM is a promising method for image representation because of its ability to focus on the interesting subsets of an image.In this paper,we develop a new method for gray-scale image representation based on NAM,called NAM-structured plane decomposition(NAMPD) ,in which each subpattern is associated with a rectangular region in the imag...