空间co-location模式挖掘中的模糊技术初探

• 作者: 王丽珍 肖清 雷乐
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 空间数据挖掘 空间co-location模式 模糊邻近 模糊聚类
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 157-165
• 页数: 9页
• 分类号: TP391
• 字数: 8610字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0154

摘要

空间并置(co-location)模式是指其特征的实例在地理空间中频繁并置出现的一组空间特征的集合.传统co-location模式挖掘通常由用户给定一个邻近阈值来确定实例的邻近关系,使用单一的邻近阈值来判定两个空间实例的邻近性可能会造成邻近关系的缺失,也没有考虑距离大小的不同对邻近关系的影响.同时,传统方法主要利用频繁性阈值来衡量模式的频繁性,存在着算法效率对频繁性阈值较为敏感的问题.由于频繁并置的特征间具有较高的邻近度,因此利用聚类算法可以将其聚集在一起,加之邻近以及特征间的并置都是模糊的概念,因此将模糊集理论与聚类算法相结合,研究了空间co-location模式挖掘中的模糊挖掘技术,在定义模糊邻近关系的基础上,定义了度量特征之间邻近度的函数,基于特征邻近度利用模糊聚类算法挖掘co-location模式,最后通过广泛的实验验证了提出方法的实用性、高效性及鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽珍	云南大学信息学院	110	1069	18.0	27.0
2	肖清	云南大学信息学院	14	36	3.0	5.0
3	雷乐	云南大学信息学院	1	1	1.0	1.0