一种面向扩展空间对象的密度聚类算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (13): 166-168.

• 数据库、信号与信息处理 • 上一篇下一篇

一种面向扩展空间对象的密度聚类算法

黎韶光1，周巨锁2，3，谢玉波4，5，陈琦6

1.国土资源部信息中心，北京 100812
2.中国海洋大学海洋地球科学学院，山东青岛 266003
3.国家海洋局南海工程勘察中心，广州 510300
4.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079
5.华北计算技术研究所，北京 100083
6.广州市国土资源和房屋管理局海珠区分局，广州 510245

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

Density-based clustering algorithm for extended spatial objects

LI Shaoguang1，ZHOU Jusuo2，3，XIE Yubo4，5，CHEN Qi6

1.Information Center，Ministry of Land and Resources，Beijing 100812，China
2.College of Marine Geosciences，Ocean University of China，Qingdao，Shandong 266003，China
3.South China Sea Marine Engineering Surveying Center，State Oceanic Administration，Guangzhou 510300，China
4.State Key Lab of Information Engineering in Surveying Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China
5.North China Institute of Computing Technology，Beijing 100083，China
6.Haizhu Sub-bureau of Land Resources and Housing Management of Guangzhou，Guangzhou 510245，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 提出一个面向扩展空间对象的基于密度的空间聚类算法，对点、线和多边形等扩展空间对象进行聚类。在该算法中，通过空间对象的缓冲区统一计算各对象在其附近空间的密度值，并根据参数区分两类不同的空间聚类应用场景，从而实现对空间对象的分类。实验表明，算法能够较好实现对空间对象分类。

关键词: 空间聚类, 扩展空间对象, 缓冲区

Abstract: A density-based clustering algorithm for extended spatial objects is proposed to cluster extended objects such as points，polylines and polygons.In the algorithm，buffers of extended objects such as points，polylines and polygons are created to compute the density around spatial objects in an efficient way.Two scenarios which can be managed by parameters are presented according to the requirements of the applications.In the case study，the proposed method demonstrates good quality.

Key words: spatial clustering, extended spatial objects, buffer

黎韶光1，周巨锁2，3，谢玉波4，5，陈琦6. 一种面向扩展空间对象的密度聚类算法[J]. 计算机工程与应用, 2011, 47(13): 166-168.

LI Shaoguang1，ZHOU Jusuo2，3，XIE Yubo4，5，CHEN Qi6. Density-based clustering algorithm for extended spatial objects[J]. Computer Engineering and Applications, 2011, 47(13): 166-168.

[1]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[2]	秦琴，梁承姬. 自动化码头考虑缓冲区的设备协调调度优化[J]. 计算机工程与应用, 2020, 56(6): 262-270.
[3]	郑毅，马盈仓，杨小飞，续秋霞. 基于[k]-近邻与局部相似度的稀疏子空间聚类[J]. 计算机工程与应用, 2020, 56(4): 99-108.
[4]	朱丹，陈晓红，吴卿源，李舜酩. 自适应图学习诱导的子空间聚类[J]. 计算机工程与应用, 2020, 56(21): 30-37.
[5]	郭圣，仲兆满，李存华. 基于深度自编码的多视图子空间聚类网络[J]. 计算机工程与应用, 2020, 56(17): 60-68.
[6]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[7]	文家献，魏晨，尹宇起，胡志华. 考虑堆场缓冲区容量的ASC与AGV集成调度[J]. 计算机工程与应用, 2020, 56(11): 238-245.
[8]	张文元，谈国新，朱相舟. 停留点空间聚类在景区热点分析中的应用[J]. 计算机工程与应用, 2018, 54(4): 263-270.
[9]	解昊1，赵志刚1，吕慧显2，刘馨月1，刘成士1，董晓晨1. 非负局部约束低秩子空间聚类算法[J]. 计算机工程与应用, 2018, 54(23): 137-143.
[10]	娄高翔，蔡宗琰，刘清涛. 一种新型混合算法在混流装配调度中的应用[J]. 计算机工程与应用, 2018, 54(16): 254-259.
[11]	杨树亮，毕硕本，Nkunzimana A，黄铜，万蕾. 一种出租车载客轨迹空间聚类方法[J]. 计算机工程与应用, 2018, 54(14): 249-255.
[12]	田帅，陈谊. 基于子空间聚类的高维数据可视分析方法综述[J]. 计算机工程与应用, 2018, 54(13): 19-26.
[13]	张红，王卫卫，孔胜江. 结构化稀疏低秩子空间聚类[J]. 计算机工程与应用, 2017, 53(24): 23-29.
[14]	宋奎勇1，2，王念滨1，王红滨1，寇香霞2. 结合最近邻与闭模式子空间聚类方法[J]. 计算机工程与应用, 2017, 53(16): 134-137.
[15]	罗靖，钱雪忠，韩利钊，宋威. 一种改进的SUBCLU高维子空间聚类算法[J]. 计算机工程与应用, 2017, 53(14): 130-137.

一种面向扩展空间对象的密度聚类算法

Density-based clustering algorithm for extended spatial objects

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics