多代表点特征树与空间聚类算法

计算机科学 ›› 2006, Vol. 33 ›› Issue (12): 189-195.

• 计算机网络与信息安全 • 上一篇下一篇

多代表点特征树与空间聚类算法

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
国家自然科学基金（No.49971063）,国家高技术研究发展计划（863）（No.2001AA6330101-04）,航空科学基金项目（02F52033）,江苏省自然科学基金（No.BK2001045）.

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 空间数据具有海量、复杂、连续、空间自相关、存在缺损与误差等的特点，要求空间聚类算法具有高效率，能处理各种复杂形状的簇，聚类结果与数据空间分布顺序无关，并且对离群点是健壮的等性能，已有的算法难以同时满足要求。本文提出了一个适合处理海量复杂空间数据的数据结构一多代表点特征树。基于多代表点特征树提出了适合挖掘海量复杂空间数据聚类算法CAMFT，该算法利用多代表点特征树对海量的数据进行压缩，结合随机采样的方法进一步增强算法处理海量数据的能力；同时，多代表点特征树能够保存复杂形状的聚类特征，适合处理复杂空间数据。实

关键词: 空间聚类空间数据多代表点特征树

Abstract: Spatial data have the features of largeness, complexity, continuity, spatial autocorrelation, missing data and error in spatial database. These characters require that a good spatial clustering algorithm must be high efficient, and should be able to detec

Key words: Spatial clustering, Spatial data, Multi representation feature tree

. 多代表点特征树与空间聚类算法[J]. 计算机科学, 2006, 33(12): 189-195. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

多代表点特征树与空间聚类算法

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

Metrics

本文评价

推荐阅读 0