[发明专利]一种基于GACUC和Delaunay三角网的空间聚类方法

摘要

本发明公开了一种基于GACUC和Delaunay三角网的空间聚类方法，空间聚类方法从空间数据的空间属性和非空间属性两种特性进行聚类，使每个聚类簇内的空间要素之间具有非空间属性的最大相似性，且具有空间要素的空间可达性。采用GACUC（贪心凝聚分类效用聚类方法）进行非空间属性聚类，支持非数字类型属性项的非空间属性聚类，扩大了聚类方法的应用范围，同时，基于Delaunay三角网来进行空间属性的聚类，实现了空间数据的非空间属性和空间属性这两个固有属性的聚类，更为准确地挖掘出各空间要素之间的关联关系和分布规律。本发明技术实现方法简单，采用计算机自动处理，节约了数据处理分析时间，提高了聚类结果的准确性和可用性，在空间数据挖掘领域应用前景非常广泛。

主权项

一种基于GACUC和Delaunay三角网的空间聚类方法，其特征在于包括如下步骤：1)设置分类效用函数CU，初始化属性聚类的个数为k；多次重复选择k个初始中心，分别计算分类效用函数CU的值，根据“分类效用函数CU的值越大，聚类效果越好”的原则，确定k个属性聚类初始中心；2)计算每个空间要素归入各个属性聚类初始中心时其分类效用函数CU的值，对这些分类效用函数CU的值进行比较，将该空间要素与分类效用函数CU值最大的初始中心聚为一类；遍历所有待聚类的空间要素，直至每个空间要素都完成聚类；3)优化步骤2)的属性聚类结果，对聚类簇中的空间要素进行调整，使得最终形成的空间要素属性聚类结果其分类效用函数CU的值最大；4)根据聚类簇中每一个空间要素的空间坐标位置，利用逐点插入法构建Delaunay三角网，并生成每一个空间要素的空间可达性关系表；根据各个空间要素的空间可达性关系表确定空间要素之间的空间可达性和连续空间可达性；5)基于深度优先算法对步骤3)生成的每个聚类簇进行遍历，将每个聚类簇中具有连续空间可达性的空间要素聚为一类，即完成属性聚类基础上的二次空间聚类，确保最终生成的每一个聚类簇中各个空间要素之间均具有最大属性相似性和空间可达性。