坐标与属性一体化的空间聚类方法研究

通过空间坐标和属性特征的有机结合，定义了3种空间距离，给出了基于空间距离的K平均系统聚类算法，对山东省生态环境质量进行了聚类分析和类型分区。实践表明，空间聚类方法可以较好地反映出空间位置邻近和属性特征相似的空间聚类要求。     

基于空间聚类方法的京津冀城市群多层级空间结构研究

在京津冀协同发展战略背景下,以建设京津冀世界级城市群为引领,遵循城市发展规律,优化城市空间布局,明确京津冀城市群等级结构及其空间特征具有重要意义。本文以京津冀城市群156个区县为研究对象,从经济中心性、交通中心性、信息中心性、人口中心性4个角度,利用4种空间聚类方法进行5个等级的聚类分析,并基于克氏中心地理论对京津冀城市群等级划分结果进行空间结构分析。结果显示,自组织特征映射神经网络算法(SOM)较适合京津冀城市群的等级划分;京津冀城市群正从以北京城区为单核心的圈层空间结构向3条带型空间结构转变,其中京津都市发展走廊发育成熟,沿海都市发展带也初具规模,而包括雄安新区在内的京石都市发展带正在孕育。     

基于子空间聚类算法的时空轨迹聚类

已有的时空轨迹聚类方法一般以整条轨迹作为聚类单元,聚类效果较低且不能识别轨迹局部特征;另一种轨迹聚类方法是以划分后轨迹段为聚类单元,算法效率较低且不能很好地支持多属性聚类。该文提出基于子空间聚类算法的时空轨迹聚类。首先引入数据归约的思想,将轨迹进行离散化处理,再运用CLIQUE算法对离散化后的轨迹段进行聚类。实验结果表明,此轨迹聚类方法具有较高的伸缩性,能有效地处理多维轨迹数据并识别轨迹的局部聚类特征,能揭示时空轨迹在不同子空间的运动规律。     

城市功能分区的空间聚类方法研究及其应用——以济南市为例

作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用.它是城市功能分区中的关键性步骤.根据空间-属性一体化的概念模型,把影响城市功能分区的空间坐标、空间关系和属性特征纳入到统一的空间计算模型,分别运用K-平均算法、神经网络方法,对城市功能分区进行空间聚类计算,充分挖掘空间坐标和空间关系数据中隐含的空间聚集信息.实例分析表明,基于神经网络的空间聚类结果可以为城市功能分区提供准确、可靠的依据.     

基于粒子群双重空间聚类的城镇地价空间分异规律挖掘

城镇地价的空间分异对其动态监测片区划定具有重要的参考作用,而空间聚类则是对该问题进行分析的一种有效方法.文中在分析空间聚类本质的基础上,设计了一种基于样本数据的粒子群双重空间聚类挖掘模型,并以北海市二手房地价空间分布挖掘为实例进行了应用.结果表明:粒子群双重空间聚类在空间聚类效果上优于传统K-均值聚类法,尤其是对于任意形状聚类簇的挖掘;然而,由于标准粒子群优化算法机理的限制,其聚类效果随聚类中心的增多而呈下降趋势.总体而言,该方法能利用有限的样本挖掘质量较好的城镇地价空间分异区,可为城镇地价动态监管提供相     

基于空间自相关的支持向量机空间聚类研究

经济统计信息多包含多维度的属性,在研究数据内在结构时,需要采用降维方法将多维信息转换到三维以内的空间以实现多维信息可视化和聚类。支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但SVM是一种监督分类方法,需要已知样本集来训练分类过程。由于高维经济统计数据中往往缺少已知聚类中心,从其他方法的聚类结果选择小样本集作为聚类中心具有很大的主观性;空间自相关分析能揭示出高空间聚集区域和随机离散区域,并能分析出各区域的空间聚集模式,这为已知小样本的选择提供了可行的方法。该文以四川2007年统计年鉴的经济数据为例,通过主成分分析法和非线性映射法进行聚类,将各类中心和空间自相关分析揭示的高空间聚集目标作为已知样本集导入SVM,得到的结论是:采集于主成分分析法和非线性映射法的两个不同已知样本集的SVM分类结果之间的差异较大,已知样本集的选择具有很大主观性;空间自相关分析结果能大量减少特征样本集的数目,这不仅简化了SVM算法分类过程,并且结果也能准确反映四川发展实际情况。     

基于空间聚类分析的福建省各县市经济发展水平研究

将空间坐标和属性特征有机地结合起来,给出空间距离的定义,提出位置与属性一体化的空间聚类方法——基于空间距离的K-均值聚类法,利用M atlab编写其算法程序。同时以福建省各县市经济发展水平的类型划分作为研究实例,首先选取反映社会经济发展水平的8项指标,并利用G IS技术提取各县市的重心位置坐标,再利用该空间聚类算法将福建省各县市的经济发展水平聚类为5类,结果表明此算法能够综合考虑空间位置邻近性和属性特征相似性的聚类要求,对福建区域可持续发展有一定的指导意义。     

广义多维云模型及在空间聚类中的应用

传统的空间聚类方法难于脱离"硬划分"的束缚,且不能有效描述空间对象的复杂特征.一维云模型无法准确反映现实世界的多属性特征.简单的数据融合丢失了空间对象的必要信息.标准二维云模型克服了一维云的不足,但是在模拟复杂地理现象的非齐性和非对称性方面显得捉襟见肘.基于以上考虑,提出了广义多维云模型,以分段特性来体现空间对象的综合特征,并推导出模型的数学表达式.在实证研究的基础上,从空间聚类的隶属程度空间分布特征、与模糊C均值的对比研究及与住宅地价的耦合分析三个视角,详实解读了聚类结果.分析发现,广义多维云模型更能体现空间对象的综合特征,空间聚类结果能够反映出空间分布的潜在信息.更为准确的实现了复杂情况下的空间划分.该模型在刻画地理现象中更为合理,但由于地理实体的空间作用极其复杂.建立模型是一项既具体又充满挑战的任务.     

基于小波变换的栅格数据聚类

为了提高K均值聚类算法的质量与收敛速度,提出一种基于小波变换的栅格数据聚类新算法。该算法利用小波分析塔式算法得到的顶层栅格数据,既较好地保留原始数据的特征信息,又大幅减小了数据量,在保证聚类质量前提下,提高了算法的收敛速度;针对分解后的低频数据应用K均值算法,得到后续迭代所需的聚类中心初值,避免了初值选择的盲目性。试验表明,该算法具有计算效率高、稳定性好、聚类质量有保证等优点。     

基于遗传算法的面状地理实体聚类

该文提出一种利用遗传算法解决面状地理实体聚类问题的新方法。设计的遗传算法采用整数编码和RARw交叉算子。针对整数编码提出了新的初始种群生成方法和基因多样性度量方法。试验结果表明,该方法能部分改善面状地理实体的聚类质量。     

基于多尺度空间聚类的江西省经济区域划分

经济区划是区域经济规划中的一个重要方面,以传统聚类方法进行的经济区划不能兼顾区划单元的属性特征与空间邻接性。运用基于尺度空间理论的空间聚类方法、综合区划单元的属性特征与空间邻接性,对江西省县域单元经济区划进行研究。结果表明:江西省可划分为五类经济区,分别是昌九经济区、赣东北经济区、赣西北经济区、赣中南经济区和赣南经济区,区划结果与江西省实际经济发展情况基本吻合。     

中国区域经济增长集聚的空间统计分析

运用空间统计和计量经济学Moran I指数法及时空数据(Panel Data)模型分析了中国31个省级区域经济增长集聚及其影响因素.结果显示:①中国省域经济增长具有明显的空间依赖性,在地理空间上存在集聚现象,区域经济增长在时空上呈现出明显的空间效应,忽视空间效应将造成模型设定的偏差和计量结果的非科学性;②空间相关以及由此带来的国际国内贸易及外资等经济活动频繁程度,在很大程度上引起了31个省域区际经济增长的空间不均衡,空间集聚使得在经济增长过程中地理区位(距离)产生的空间成本降低,但地理特征将深刻作用于区域经济增长空间集聚的中心和外围关系;③外商直接投资、国际与区际贸易、人力资本、技术创新等因素对中国区域经济增长的贡献非常重要,但它却不能轻易改变经济地理的规则,经济增长因素在地理空间上的非均衡集聚导致了迥然不同的区域经济增长格局.     

环渤海地区城市密集区的空间识别与集聚特征

在探讨城市密集区内涵和特征的基础上,以环渤海地区118个城市为研究区域,通过空间识别确定了6个城市密集区范围;利用城市GDP和人口数据,借助Theil系数、城市基尼系数和首位城市集聚度等方法,从空间差异、集聚程度和集聚效应三方面对城市密集区的集聚特征进行探究。结果显示:(1)以城市等级和社会经济数据为筛选标准确定了北京、天津等7个中心城市、38个标准市和77个其他城市;(2)以2 h通行时间确定了以京津、石家庄、沈阳、大连、济南和青岛为核心的城市密集区范围;(3)Theil系数表明环渤海地区整体差异较小,其中城市密集区区内差异大于区际,内部差异对整体差异的贡献率超过91%;(4)集聚类型划分中,京津地区属于强单中心,沈阳、大连和青岛地区属于弱单中心,济南和石家庄地区被归入弱多中心类型;(5)京津城市密集区强大的集聚效应破坏了"石家庄—黄骅"的双核结构链,重新构建了区域的经济结构格局。     

2004-2008年北京城区商业网点空间分布与集聚特征

本文以北京城区内的8 个行政区作为研究对象,选取批发和零售业、住宿和餐饮业、居民服务与其他服务业作为具体的商业类别,利用北京第一次、第二次全国经济普查数据,采用核密度(Kernel)、标准差椭圆、Ripley's K(r)函数相结合的GIS 点模式分析方法,对比研究了2004 年和2008 年北京市商业网点分布与空间集聚特征。研究结果表明:① 北京商业网点呈现相对集中分布态势,具有向心性并形成明显的集聚区,集聚中心主要分布在五环内,且在两次普查期间有所改变,商业网点空间偏向性差异明显;② 以CBD、金融街、王府井、中关村、亚运村和奥运村等为代表的典型商圈对北京商业网点的布局影响十分显著,商业网点在典型商圈周围分布密度较高,呈现集聚中心状态;③ 北京商业网点Ripley's K(r)曲线随距离的变化总体呈现“先增后减”态势,其中受居民小区影响较大的居民服务与其他服务业网点两次普查期间变化剧烈,反映了居民由市中心向外扩散的过程。     

基于局部聚类的网络Voronoi图生成方法研究

提出一种将网络约束下的Voronoi和空间聚类相结合的方法,通过构造局部的聚类分析方法对网络边进行加权,根据实际的点过程性质可以把权重定义为加权或者乘权,进行标准化后与道路段本身长度融合进行计算,依此生成网络Voronoi图,以期理解城市街道的空间特性。以武汉市江汉区为例,对城市网格管理系统产生的城市事件进行算法验证,结果表明,该方法提供了一种灵活的网络约束下的服务区域划分工具,可用于基于网络空间点过程影响下的服务区划分,也可用于系统性地定量刻画城市管理的动态特性。