论文部分内容阅读
空间聚类作为空间数据挖掘和空间分析的主要手段之一常用于揭示空间数据的分布规律以及探测空间异常。现有的空间聚类算法难以适应空间密度变化较大的情形,并且需要用户输入参数。为此,本文从空间数据场的角度出发,提出了适用于空间聚类的场模型-凝聚场,并给出了一种新的空间聚类度量指标(即凝聚力)。进而,提出了一种基于场模型的空间聚类算法(简称FMSC算法).该算法根据凝聚力的矢量计算获取每个实体的邻近实体,并通过递归搜索的策略,生成一系列不同的空间簇。通过模拟实验验证、经典算法比较和实际应用分析,可以发现本文提出的算法具有三个方面的优势：(1)不需要用户输入参数;(2)能够发现任意形状的空间簇;(3)能够很好适应空间数据分布不均匀的特性。