面向属性空间分布特征的空间聚类

• 作者: 孙毅中 朱杰 李吉龙
• 来源期刊: 遥感学报
• 学科: 地球科学
• 关键词: 空间聚类 Delaunay三角网 信息熵 趋势性 不均匀性
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 技术方法
• 页码范围: 917-927
• 页数: 11页
• 分类号: P208
• 语种: 中文
• DOI: 10.11834/jrs.20176493

摘要

空间聚类应当同时满足空间位置邻近和属性相似,在此背景下,为满足空间邻近实体之间趋势性和不均匀性的属性聚类需求,提出一种基于图论和信息熵的空间聚类算法.该算法主要是在Delaunay三角网空间位置聚类基础上,通过引入信息熵,采用多元相似性度量方法以解决二元关系在属性聚类中的缺陷,同时基于“等概率最大熵”原则提出了一种局部参数度量方法,用于表达邻近目标间属性分布的局部变化信息.将本文方法与多约束聚类方法和DDBSC聚类方法进行对比分析,结果表明:(1)在属性空间分布不均的情况下,本文方法的聚类精度要高于多约束方法和DDBSC方法,尤其是当属性空间分布不均程度不断扩大时,DDBSC和多约束算法会将空间簇内的实体误判为噪声;(2)在对异常值的敏感性问题上,3类方法都能识别出异常值的位置,但DDBSC和多约束算法对异常值具有一定的敏感性,聚类结果会掩盖属性分布的趋势性,本文方法受异常值影响很小.通过模拟实验和实际算例可以发现,在保证空间邻近的基础上本文方法具有如下优势:第一,能反映实体属性在空间分布中的趋势性特征;第二,能满足属性空间分布不均匀;第三,对异常值具有良好的稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱杰	南京师范大学虚拟地理环境教育部重点实验室	3	3	1.0	1.0
2	孙毅中		3	2	1.0	1.0
3	李吉龙	南京师范大学虚拟地理环境教育部重点实验室	2	11	1.0	2.0