障礙空間聚類算法研究.pdf

1、障礙空間聚類算法研究是隨著空間聚類研究的發(fā)展而衍生的一個重要課題，著重于處理障礙物約束下的聚類問題，提高空間聚類真實性，使聚類分析結(jié)果更符合現(xiàn)實數(shù)據(jù)分布狀態(tài)和發(fā)展趨勢。障礙空間聚類是將障礙約束的數(shù)據(jù)劃歸為以某種相似度聚集的處理過程，使得聚集形成的類簇彼此無交集，同一類簇內(nèi)空間數(shù)據(jù)之間相似度高于不同類簇內(nèi)空間數(shù)據(jù)之間相似度。通過無障礙空間聚類算法和障礙物處理方法的聯(lián)結(jié)，其聚類結(jié)果能較真實合理地體現(xiàn)障礙空間結(jié)構(gòu)特征，并能在探求真實空間數(shù)據(jù)過

2、程中起到數(shù)據(jù)特征挖掘的重要作用。
　　本文對障礙空間聚類算法的研究可分為如下幾個部分：
　　首先，針對障礙空間確定數(shù)據(jù)聚類問題提出最小障礙方差啟發(fā)式確定數(shù)據(jù)聚類算法。通過分析傳統(tǒng)障礙空間劃分聚類算法的利弊，發(fā)現(xiàn)劃分聚類算法的初始模型是否反映整體空間數(shù)據(jù)分布特征對聚類結(jié)果質(zhì)量優(yōu)劣的影響較大，采用基于最小障礙方差初始種子選取的啟發(fā)式方法，很大程度減少初始種子對障礙空間劃分聚類結(jié)果造成隨機性的影響，使算法客觀完成障礙空間聚類，其結(jié)

3、果具有較高真實度；同時發(fā)現(xiàn)障礙物約束降低劃分聚類算法效率，在初始種子選取和聚類過程中運用障礙距離計算方法，可提高算法效率。
　　其次，為提高聚類結(jié)果真實度，分析真實數(shù)據(jù)采集過程中空間數(shù)據(jù)普遍存在不確定的屬性并考慮有障礙物間隔的情況，提出障礙空間不確定數(shù)據(jù)聚類算法。該算法利用近似骨架理論給出聚類算法的初始種子，避免聚類結(jié)果出現(xiàn)局部極值；并用兩種障礙約束的剪枝策略提高生成局部最優(yōu)解和生成最終聚類結(jié)果的效率。
　　最后，為獲得障礙