一种逐级合并OD流向时空联合聚类算法

现有OD流向聚类多将O点和D点相分离或者将OD流向看作4维空间的数据点进行聚类处理,忽视了流向长度、方向、时间对流向聚类的影响。本文以流向作为研究对象,提出一种基于流向间相似性度的逐级合并OD流向时空联合聚类算法。首先在充分研究OD流向的空间信息和时间信息的基础上,构建合理的OD流向间时空相似性度量方法,对OD流向间的时空相似性进行量化;然后提出逐级合并OD流向聚类策略,优化类簇合并的顺序,以减少层次聚类的时间开销,实现OD流向的时空联合聚类。以成都市的滴滴出行OD数据和纽约市出租车数据为例对本文方法进行了验证,结果表明：① 本算法聚类获得的流向类簇不仅带有空间特征还具备时间特征;② 在不同参数下本方法可以得到不同时空尺度的聚类结果;③ 与现有较高水平的流向聚类算法相对比,本文方法的聚类效果更好。这体现在流向类簇内部的流向之间有着充分的相似性,以及本文方法不仅可以提取出显著的流向类簇,还可以提取出非热点区域之间的流向类簇。本算法顾及空间因素和时间因素,可以通过调整时空相似性度量方法中的时间参数和空间参数以实现不同时空尺度的流向聚类,这使得从不同时空角度研究城市居民出行模式成为可能。本文提出的OD流向时空联合聚类算法从联合时间信息和空间信息的角度获得对运动数据的新见解,有助于合理全面地研究居民的移动模式、区域之间的空间联系、已知出行结构的确定以及出行目的的探索,是后续一系列分析工作的基础。     

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。     

基于人工免疫网络的在线核聚类算法

针对核聚类算法与免疫网络聚类算法的不足,将免疫网络机制与核理沦相结合,通过用核距离函数代替欧拉距离函数,设置反映抗体识别抗原数量的权重和引入人工免疫网络机制等解决样本类边界模糊和类间数据密度分布不均匀问题.最后通过人工数据集和lRIS数据集上的仿真试验,验证了算法的有效性.     

中国省域科技创新模式及其时空演变

中国的经济增长模式正在由要素驱动型向创新驱动型转变,适宜的科技创新模式是促进中国经济社会协调可持续发展的关键。基于熵值法构建综合指标评价体系,运用Theil指数对中国科技创新投入与产出水平的时空演变进行分析,并结合K-means聚类分析法将其分别归为相同的5个等级。根据不同的投入—产出组合,得出投入产出协调型、投入领先型与产出领先型3个科技创新类型及其子类。最后,利用多阶段DEA模型,从科技创新投入的角度,将科技创新模式划分为混合驱动型、创新平台驱动型、人力与资本驱动型和人力驱动型四类;从科技创新产出的角度,划分为经济创新导向型、知识与经济创新导向型和知识创新导向型三类模式。对比发现,中国科技创新模式与科技创新类型的时空演变呈现高度的相关性。在此基础上,为中国未来区域科技创新的发展提出若干建议。     

多时间尺度密度聚类算法的案事件分析应用

时空聚类是数据挖掘研究的主要内容之一,在环境保护、疾病预防与控制、犯罪预防与打击等领域具有重要的应用价值。已有的时空聚类方法中,时间“距离”都认为是真实的间隔,而对于具有社会属性的案事件而言,其在不同时间尺度下具有明显的周期性特征,忽略这些特征将很难反映出案事件真实的时空规律。本文综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法（MTS-ESTN DBSCAN）。通过对福州市区2013年案事件数据的聚类分析表明,该方法在案事件时空聚类方面具有可行性,对于进一步深入研究城市犯罪地理具有一定的理论意义和实际价值。     

晋江流域生态环境脆弱性评价

针对晋江流域的生态地质问题,应用Getis-Ord Gi*统计模型、Calinski-Harabasz指数评价聚类模型等评价方法,从脆弱性分级、主控因素、聚集特征三方面开展脆弱性评价,建立晋江流域生态环境脆弱性评价模型。整体来看,晋江流域西溪比东溪脆弱,上游比下游脆弱;晋江流域东南部城市聚集区脆弱性的主控因素为建筑用地、初级生产力与土壤有机质,中西部茶叶种植区的主控因素为茶叶的过度种植;脆弱性高值聚集区域在安溪县感德镇以及永春县湖洋镇一带。在上述分析的基础上,对晋江流域茶园种植分布现状合理性进行评估,给出具体的茶园空间优化建议。     

一种利用凸包思想顾及障碍物的聚类分析

提出了利用凸包思想求取障碍距离的方法,并对该方法进行了理论与实践上的探讨。然后以所求得的障碍距离为依据,利用改进后的k-中心点法进行实验。实验表明,其结果不仅可以得到两点之间的障碍距离与障碍路径,而且可以实现顾及障碍物聚类的要求。最后对实验结果做出了总结与展望。     

基于深度卷积嵌入式聚类（DCEC）的海洋环境特征提取对渔情预报模型的改进研究以西南印度洋大眼金枪鱼为例

为提高大眼金枪鱼(Thunnus obesus)延绳钓渔情预报模型的预测能力,本研究提出了一种基于深度卷积嵌入式聚类(DCEC)的海洋环境时空特征提取方法,结合广义可加模型(GAM)对西南印度洋大眼金枪鱼延绳钓渔场进行预报。采用2018年1−12月0.041 6°×0.041 6°的MODIS-Aqua和MODIS-Terra海表面温度三级反演图像数据(以日为单位)构建DCEC模型,基于Davies-Bouldi 指数(DBI)确定最佳聚类数,在此基础上提取各月海表温度(SST)的类别特征值$ {F}_{M} $;采用美国国家海洋和大气管理局网站2018年1−12月1°×1°的Chl a浓度月平均值作为辅助环境特征因子;采用印度洋金枪鱼委员会2018年1−12月1°×1°的大眼金枪鱼延绳钓渔业数据(以月为单位),计算单位捕捞努力量渔获量(CPUE);将SST月类别特征值$ {F}_{M} $、Chl a浓度月平均值与CPUE数据进行时空匹配,构建改进GAM;采用SST月平均值、Chl a浓度月平均值与CPUE数据构建基础GAM;采用联合假设检验($ F $检验)验证模型解释变量对响应变量的影响;采用赤池信息准则(AIC)、均方误差(MSE)、绘制实测值和预测值的散点图并计算相关系数r,分析改进GAM相比于基础GAM的提升效果。实验结果表明：(1)基于DCEC模型提取的$ {F}_{M} $能够较好地反映西南印度洋海表温度的时空动态特征与规律,并与西南印度洋的气候条件、季风状况和水文特征等相互耦合;(2) $ {F}_{M} $相比SST平均值的因子解释率更高,对大眼金枪鱼CPUE影响更为显著,高渔获率集中在暖冷流交汇区域;(3)改进GAM相比基础GAM的AIC值降低了9.17%,MSE降低了26.7%,散点图显示改进GAM预测的CPUE对数值与实测CPUE对数值的相关性较显著,r为0.60。本研究证明了DCEC模型在海洋环境特征提取方面的有效性,可为后序大眼金枪鱼延绳钓渔情预报模型的改进研究提供参考。     

Star formation and clustering in the Hubble Deep Field

We have derived a complete and reliable flux limited sample of15 μm selected galaxies in the ISO-HDF. These galaxies have been shown to produce a large fraction of the Cosmic Infrared Background. From their mid-infrared luminosities, we deduce their star formation rates, and compare then to the ones that can be derived from their radio emission. We find excellent agreement, except for a few objects that are known to be AGN-dominated from their X-ray properties. We show that our sample is more strongly clustered than optical samples, and discuss the constraints it puts on hierarchical models of galaxy evolution. This revised version was published online in September 2006 with corrections to the Cover Date.