一种面向精细化地理分区的空间约束聚类方法

摘要：

在空间分区的相关研究中,虽然已有经典聚类算法k均值聚类(k-means)结合空间约束的成果,但其对于连续平铺面状地理要素的空间聚类适用性不高.因此,本文开展对k-means算法进行空间约束的探讨.通过改进SKATER算法的空间约束方式,构建一种包含自然扩张与次优扩张过程的空间约束的k-means算法;并在两个公共数据集上与已有研究方法进行比较评价.结果表明:本文方法尤其适用于处理连续平铺面状地理要素的分区;通过轮廓系数、DB指数及总残差平方和三个评价指标知,本文方法优于已有的SKATER、AZP及SC k-means方法.研究成果不仅能够为地理信息系统中的空间数据处理提供新的工具,也为聚类算法的研究提供了新的视角.

关键词：聚类分析、空间数据处理、k-means算法、地理信息系统、空间约束、空间分区、聚类质量改进、数据科学

所属期刊栏目：31

分类号：TP317.4;R512.99;TP181

在线出版日期：2024-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：359-369