空间加权距离的GIS数据Fuzzy C-means聚类方法与应用分析

• 作者: 张腾 彭佳琦 王海起 董倩楠
• 来源期刊: 地球信息科学学报
• 关键词: 空间加权距离 GIS数据 Fuzzy C-means聚类 梯度下降学习算法
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 地理模型与算法
• 页码范围: 854-861
• 页数: 8页
• 字数: 5614字
• 语种: 中文
• DOI: 10.3724/SP.J.1047.2013.00854

摘要

Fuzzy c-means聚类常采用普通欧式距离进行相似性度量，对于地理空间对象来说，聚类不仅应考虑属性特征的相似性，还应考虑对象的空间邻近性。本文基于普通欧式距离提出了多种形式的空间加权距离公式，不同的距离公式分别在两个坐标方向、各属性上进行加权，权重向量既可以度量空间位置特征、属性特征的作用大小，也可度量位置距离在X、Y空间方向上的各向同性或异性程度。权重向量的获取以空间对象相似性的模糊函数为评价目标，通过动态学习率的梯度下降算法优化计算，并将空间加权距离引入到fuzzy c-means聚类算法中以取代普通欧式距离。本文以空间数据集Meuse为应用实例，分别采用不同形式的空间加权距离进行FCM模糊聚类，类数取为2-10类，通过PC、PE和Xie-Beni等聚类有效性指标的比较表明：空间加权距离的聚类效果要优于普通距离，且在空间数据聚类分析中，除属性信息外位置等空间特征信息同样起到了重要作用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海起	中国石油大学华东地球科学与技术学院	9	15	2.0	3.0
2	张腾	中国石油大学华东地球科学与技术学院	11	25	3.0	5.0
3	彭佳琦	中国石油大学华东地球科学与技术学院	4	8	2.0	2.0
4	董倩楠	中国石油大学华东地球科学与技术学院	3	7	2.0	2.0