帮助 关于我们

返回检索结果

空间加权距离的GIS数据Fuzzy C-means聚类方法与应用分析
Fuzzy C-means Clustering for GIS Data Based on Spatial Weighted Distance

查看参考文献20篇

文摘 Fuzzy c-means聚类常采用普通欧式距离进行相似性度量,对于地理空间对象来说,聚类不仅应考虑属性特征的相似性,还应考虑对象的空间邻近性。本文基于普通欧式距离提出了多种形式的空间加权距离公式,不同的距离公式分别在两个坐标方向、各属性上进行加权,权重向量既可以度量空间位置特征、属性特征的作用大小,也可度量位置距离在X、Y空间方向上的各向同性或异性程度。权重向量的获取以空间对象相似性的模糊函数为评价目标,通过动态学习率的梯度下降算法优化计算,并将空间加权距离引入到fuzzy c-means聚类算法中以取代普通欧式距离。本文以空间数据集Meuse为应用实例,分别采用不同形式的空间加权距离进行FCM模糊聚类,类数取为2-10类,通过PC、PE和Xie-Beni等聚类有效性指标的比较表明:空间加权距离的聚类效果要优于普通距离,且在空间数据聚类分析中,除属性信息外位置等空间特征信息同样起到了重要作用。
其他语种文摘 Ordinary Euclidean distance is often used to measure similarity in fuzzy C-means, and in distance formula, different attribute features should have different weights according to their important degree. Moreover, for geospatial objects, clustering should consider not only similarity of attribute features, but also spatial proximity of the objects. Based on ordinary Euclidean distance, several forms of spatial weighted distance are proposed in this paper. Different distance formula imposes different weight on both two coordinate directions and each attribute feature. The weight vector is used to measure effect sizes of spatial location features and attribute features in similarity-based clustering and also measure degree of isotropy and anisotropy along X and Y coordinate directions. A fuzzy evaluation function derived from similarity matrix of spatial objects is used as optimization objective, and the weight vector is learned by gradient-descent algorithm based on dynamic learning rate. Then, spatial weighted distance is introduced to fuzzy C-means clustering to replace ordinary Euclidean distance. Meuse dataset, a spatial dataset as the application example, is analyzed by FCM clustering and the clustering number is set to 2-10. The clustering results are evaluated and compared via cluster validity indices including PC, PE and Xie-Beni. The analysis indicates that clustering performance based on spatial weighted distance is better than ordinary Euclidean distance and spatial common distance, and further, spatial distribution of the clustering results shows that, besides attribute features, spatial features such as locations also play important roles in spatial data clustering.
来源 地球信息科学学报 ,2013,15(6):854-861 【核心库】
关键词 空间加权距离 ; GIS数据 ; Fuzzy C-means聚类 ; 梯度下降学习算法
地址

中国石油大学(华东)地球科学与技术学院, 青岛, 266580

语种 中文
文献类型 研究性论文
ISSN 1560-8999
学科 测绘学
基金 山东省自然科学基金 ;  国家自然科学基金项目
文献收藏号 CSCD:5011715

参考文献 共 20 共1页

1.  孙吉贵. 聚类算法研究. 软件学报,2008,19(1):48-61 被引 452 次    
2.  李德仁. 论空间数据挖掘和知识发现. 武汉大学学报(信息科学版),2001,26(6):491-499 被引 57 次    
3.  李德仁. 论空间数据挖掘和知识发现的理论与方法. 武汉大学学报(信息科学版),2002,27(3):221-233 被引 110 次    
4.  Yang M S. A survey of fuzzy clustering. Mathematical and Computer Modeling,1993,18(11):1-16 被引 11 次    
5.  高新波. 模糊聚类理论发展及应用的研究进展. 科学通报,1999,44(21):2241-2251 被引 55 次    
6.  李洁. 基于特征加权的模糊聚类新算法. 电子学报,2008,34(1):89-92 被引 1 次    
7.  李新运. 坐标与属性一体化的空间聚类方法研究. 地理与地理信息科学,2004,20(2):38-40 被引 28 次    
8.  焦利民. 空间和属性双重约束下的自组织空间聚类研究. 武汉大学学报(信息科学版),2011,36(7):862-866 被引 11 次    
9.  王海起. 一种基于空间邻接关系的k-means聚类改进算法. 计算机工程,2006,32(2):50-51,75 被引 8 次    
10.  Kaymak U. Fuzzy clustering with volume prototypes and adaptive cluster merging. IEEE Transactions on Fuzzy Systems,2002,10(6):705-712 被引 9 次    
11.  王丽娟. 基于属性权重的Fuzzy C Mean算法. 计算机学报,2006,29(10):1797-1803 被引 28 次    
12.  Yeung D S. Improving performance of similarity-based clustering by feature weight learning. IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(4):556-561 被引 10 次    
13.  Wang X. Improving fuzzy c-means clustering based on feature-weight learning. Pattern Recognition Letters,2004,25(10):1123-1132 被引 11 次    
14.  张敏. 基于划分的模糊聚类算法. 软件学报,2004,15(6):858-868 被引 84 次    
15.  胡春春. 空间数据模糊聚类的有效性评价. 武汉大学学报(信息科学版),2007,32(8):740-743 被引 2 次    
16.  杨燕. 聚类有效性评价综述. 计算机应用研究,2008,25(6):1630-1632,1638 被引 51 次    
17.  Hengl T. A practical guide to geostatistical mapping,2009:117-148 被引 2 次    
18.  杨春成. 顾及距离与形状相似性的面状地理实体聚类. 武汉大学学报(信息科学版),2009,34(3):335-338 被引 11 次    
19.  袁烨城. 多层次格网模型的近邻指数聚类生态区划算法与实验----以新疆北部地区区划为例. 地球信息科学学报,2011,13(1):1-11 被引 4 次    
20.  Li W W. An efficient measure of compactness for two-dimensional shapes and its application in regionalization problems. International Journal of Geographical Information Science,2013,27(6):1227-1250 被引 5 次    
引证文献 2 篇

1 刘敬一 一种面向栅格的空间-属性双重约束聚类方法 地球信息科学学报,2017,19(4):447-456
被引 2 次

2 马宗彪 基于特征加权模糊聚类的电力负荷分类 中国电力,2022,55(6):25-32
被引 5 次

显示所有2篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号