空間數(shù)據(jù)庫中基于網(wǎng)格的自適應(yīng)聚類算法研究.pdf

1、隨著空間數(shù)據(jù)獲取技術(shù)的快速發(fā)展，空間數(shù)據(jù)量呈指數(shù)級(jí)快速增長(zhǎng)，造成了“數(shù)據(jù)豐富，知識(shí)貧乏”的現(xiàn)象。如何從大量的、高維的、含有多種不確定性的空間數(shù)據(jù)中挖掘隱含的、有價(jià)值的知識(shí)，是一個(gè)十分重要的前沿性課題。經(jīng)過十幾年的研究和實(shí)踐，空間數(shù)據(jù)挖掘技術(shù)已經(jīng)吸收了許多學(xué)科的最新研究成果而形成獨(dú)具特色的研究分支?？臻g聚類分析是空間數(shù)據(jù)挖掘中一個(gè)重要的研究方向，在地理信息系統(tǒng)、遙感、生物、醫(yī)學(xué)圖像處理、環(huán)境研究等領(lǐng)域都有著非常重要的應(yīng)用價(jià)值。 空

2、間聚類分析就是按照某種相似性度量值，對(duì)空間數(shù)據(jù)集中的數(shù)據(jù)對(duì)象進(jìn)行歸類和標(biāo)識(shí)成簇，使得同簇中的對(duì)象盡可能相似，而不同簇間的對(duì)象彼此不相似。典型的空間聚類算法主要有基于劃分的方法、基于層次的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法。雖然其中很多算法得到成功應(yīng)用，但是在某些方面仍然存在一些問題：可伸縮性問題、處理不同類型屬性的問題、發(fā)現(xiàn)任意形狀的問題、對(duì)輸入順序的敏感性問題、高維數(shù)據(jù)的處理問題、算法對(duì)輸入?yún)?shù)的依賴性問題。針對(duì)這些

3、問題，本文提出了一種基于網(wǎng)格的自適應(yīng)聚類算法 SACBG。 SACBG 算法思路是將高維數(shù)據(jù)空間劃分為等量的超立方體網(wǎng)格，把空間數(shù)據(jù)映射到相應(yīng)的網(wǎng)格中，選擇密度最大且未聚類過的網(wǎng)格單元為核心單元，圍繞核心單元深度遍歷其所有的鄰接單元，把大于密度閾值的鄰接單元合并為一類，如此循環(huán)直到所有的網(wǎng)格都被處理過。本算法能夠發(fā)現(xiàn)任意形狀的聚類問題，避免參數(shù)的輸入問題，有效地解決高維數(shù)據(jù)的聚類問題。 實(shí)驗(yàn)分析結(jié)果表明，對(duì)于大型、高維空