摘要
本文提出了一种自适应网格的聚类算法,算法先根据数据分布特性进行网格粗划分,之后对于感兴趣的网格(边界区域)进一步细化,最后通过寻找连通区域来形成聚类。算法是一种区域可查询的,适合于空间查询分析,并且具有良好的伸缩性。
出处
《福建电脑》
2006年第3期105-106,共2页
Journal of Fujian Computer
参考文献3
-
1尹松,周永权,李陶深.数据聚类方法的研究与分析[J].航空计算技术,2005,35(1):63-66. 被引量:16
-
2冯兴杰,黄亚楼.增量式CURE聚类算法研究[J].小型微型计算机系统,2004,25(10):1847-1849. 被引量:9
-
3刘小峰,倪晋仁,李天宏.基于四叉树的不同尺度综合信息元动态划分方法与实现[J].应用基础与工程科学学报,2004,12(1):24-32. 被引量:2
二级参考文献16
-
1杨勤科,宋桂琴,李锐,李领涛.地块图的编制与讨论——以长武王东沟试验区地块图编制为例[J].水土保持通报,1993,13(5):34-38. 被引量:9
-
2李英奎,倪晋仁,杨勤科,李锐.基于综合信息元的多源数据集成[J].应用基础与工程科学学报,2001,9(4):320-329. 被引量:2
-
3[1]Han J,Kamber M.Data ming:concepts and techniques[M].Morgan Kaufmann Publishers,2000.
-
4[2]Guha S,Rastogi R,Shim K. CURE:An efficient clustering algorithm for large database[C].Proceeding of ACM SIGMOD Conference.Seattle,WA,June,1998:73-84.
-
5[3]Cover T,Hart P. Nearst neighnor pattern classfication[J].IEEE Trans. Information Theory,13,1967:21-27.
-
6[4]Ester M,Kriegel H P,Sander J et al. A density-based algorithm for discovering clusters in large spatial database with noise[C].Proceeding 2nd International Conference on Knowledge Discovery and Data Mining(KDD96). Portland,June,1996:226-231.
-
7[5]Ester M, Kriegel H P, Sander J et. al. Incremental clustering for mining in a data warehousing environment[C].Proceedings of the 24th International Conference on Very Large Data Bases. New York: Morgan Kaufmann Publishers Inc., June,1998:323-333.
-
8HartJiaWei Kamber.数据挖掘概念与技术[M].北京:机械工业出版社,2001..
-
9Ester, Kriegel, Sander, et al. A Density - Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise[C].In :Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD'96), Portland, Oregon, 1996:226-231.
-
10Schikuta ,Erhart. The BANG - clustering System : Gridbased Data Analysis[C]. In: Proceedings of the Second International Symposium IDA - 97,Iasndon,UK, 1997.Springer - Verlag Lecture Notes in Computer Science, 1997,1280:513 - 524.
共引文献24
-
1许文杰,刘希玉.基于无监督神经网络聚类算法的研究[J].信息技术与信息化,2006(6):85-88. 被引量:3
-
2李芹芳,杨震,靳慧芳,卢勇.农用地分等因素指标区的定量划分研究——以西安市临潼区为例[J].国土资源科技管理,2007,24(3):79-83. 被引量:1
-
3沈洁,赵雷,杨季文,李榕.一种基于划分的层次聚类算法[J].计算机工程与应用,2007,43(31):175-177. 被引量:13
-
4刘彦保,王文发,王文东.基于聚类分析策略的Web文本挖掘方法[J].延安大学学报(自然科学版),2007,26(4):22-25. 被引量:1
-
5邵良杉,王鹤.蚁群聚类组合算法在证券行业客户细分中的应用[J].计算机系统应用,2008,17(3):84-86. 被引量:4
-
6何勇,刘青宝.基于动态网格的数据流聚类分析[J].计算机应用研究,2008,25(11):3281-3284. 被引量:6
-
7周忞,褚娜,李洁.中医证候研究中的分类算法方法学研究[J].中西医结合学报,2010,8(10):911-916. 被引量:18
-
8王春霞.基于Web数据挖掘的高校教育资源服务平台[J].电子设计工程,2011,19(5):88-90. 被引量:3
-
9吕岚.基于层次聚类算法的WEB文本挖掘技术研究[J].福建电脑,2011,27(3):40-41. 被引量:1
-
10王春霞.基于Web数据挖掘的资源服务系统[J].郑州轻工业学院学报(自然科学版),2010,25(6):37-40.
同被引文献5
-
1岳士弘,王正友.二分网格聚类方法及有效性[J].计算机研究与发展,2005,42(9):1505-1510. 被引量:15
-
2王红睿,赵黎明,裴剑.均衡化的改进K均值聚类法[J].吉林大学学报(信息科学版),2006,24(2):172-176. 被引量:13
-
3Yanjun Li,Soon M.Chung.Parallel bisecting k-means with prediction clustering algorithm[J].Journal of Grid Computing,2007.39:19-37.
-
4Pilevar,A.H.Sukumar.A grid-clustering algorithm for high-dimensional very large spatial data bases[J].M.Pattern Recognition Letters,2005.26(7):999-1011.
-
5王敞,陈增强,袁著祉.基于遗传算法的K均值聚类分析[J].计算机科学,2003,30(2):163-164. 被引量:25
-
1熊雷.基于Oracle Spatial的空间查询技术及其优化[J].软件导刊,2008,7(8):7-9. 被引量:1
-
2贾珺,吴岚,钟志农.基于GIS的闪电定位数据的分析方法[J].兵工自动化,2007,26(8):92-93. 被引量:8
-
3仲雷,查良松,胡玮.安徽省旅游信息系统的空间查询分析与应用[J].地球信息科学,2003,5(4):30-33. 被引量:12
-
4孙颖,赵小阳.基于ArcGIS Server的数字物流系统研究[J].大众科技,2009,11(4):20-21. 被引量:1
-
5薛吟兴,郭生健,胡启平.组件式GIS空间查询与分析包的设计与实现[J].舰船电子工程,2007,27(3):171-174. 被引量:1
-
6董林,辛全仓,刘玉霞.基于OpenGL的虚拟矿山系统的研究[J].计算机光盘软件与应用,2014,17(20):127-128.
-
7郑贵洲,林伟华,申永利.小秦岭金矿矿业权管理信息系统设计与实现[J].计算机与现代化,2003(9):71-73. 被引量:1
-
8扈海波,刘伟东,李青春,程丛兰.自动站数据的WebGIS信息发布及关键算法实现[J].计算机工程与应用,2007,43(30):234-238. 被引量:3
-
9中国著名的四个淡水湖[J].养殖技术顾问,2011(9):225-225.
-
10吴长彬,闾国年.空间拓扑关系若干问题研究现状的评析[J].地球信息科学学报,2010,12(4):524-531. 被引量:22