不确定空间数据聚类算法比较研究

详细信息    查看全文 | 下载全文 | 推荐本文 |

• 作者：蔡建南邓敏刘启亮唐建波黄金彩
• 会议时间：2014-09-24
• 关键词：气候要素 ; 空间数据 ; 聚类算法
• 作者单位：中南大学 地理信息系 湖南长沙 410083
• 母体文献：2014中国地理信息产业大会论文集
• 会议名称：2014中国地理信息产业大会
• 会议地点：成都
• 主办单位：中国地理信息产业协会
• 语种：chi
• 分类号：TP3;TM6

摘要

不确定空间数据聚类分析已经成为空间数据挖掘领域的一个研究热点.近年来,在传统划分与基于密度的聚类算法基础上,通过重新定义不确定对象间的几何距离或概率距离,一系列不确定空间数据聚类算法相继被提出,然而这些算法的有效性尚缺乏客观的评价.为此,本文选取当前具有代表性的6种算法进行实验对比分析.首先,设计40组包含预设模式的模拟数据进行测试.进而,采用亚洲气候数据集对6种方法识别气候区的能力进行比较分析,以Koppen-Geiger气候分类结果为基准对各种方法的实际应用效果进行评价.借助Jaccard系数对各种方法的聚类精度定量度量后,发现:(1)对于同类型聚类算法,采用概率距离的算法聚类精度总体优于采用几何距离的算法;(2)采用概率距离的划分算法聚类精度优于基于密度的算法,其中采用概率距离的K-medoids算法(K-Medoids-KL)的聚类精度最高.