Please wait a minute...
 
快速检索 图表检索 引用检索 高级检索
地理学报
  论文 本期目录 | 过刊浏览 | 高级检索 |
广义多维云模型及在空间聚类中的应用
邓羽1,2,  刘盛和1,  张文婷3,  王丽2,4,5,  王江浩1,2
1. 中国科学院地理科学与资源研究所,北京 100101;2. 中国科学院研究生院,北京 100049;
3. 武汉大学资源与环境科学学院,武汉 430079; 4. 中国科学院科技政策与管理科学研究所,北京 100190;
5. 中国科学院自然与社会交叉科学研究中心,北京 100190
Spatial Clustering Method Based on General Multidimensional Cloud Model
DENG Yu1,2,  LIU Shenghe1,  ZHANG Wenting3,  WANG Li2,4,5,  WANG Jianghao1,2
1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;
2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China;
3. School of Resources and Environment Science, Wuhan University, Wuhan 430079, China;
4. Institute of Policy and Management, CAS, Beijing 100190, China;
5. Center for Interdisciplinary Studies of Natural and Social Sciences, CAS, Beijing 100190, China
全文: PDF(1446 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

传统的空间聚类方法难于脱离“硬划分”的束缚,且不能有效描述空间对象的复杂特征。一维云模型无法准确反映现实世界的多属性特征,简单的数据融合丢失了空间对象的必要信息。标准二维云模型克服了一维云的不足,但是在模拟复杂地理现象的非齐性和非对称性方面显得捉襟见肘。基于以上考虑,提出了广义多维云模型,以分段特性来体现空间对象的综合特征,并推导出模型的数学表达式。在实证研究的基础上,从空间聚类的隶属程度空间分布特征、与模糊C均值的对比研究及与住宅地价的耦合分析三个视角,详实解读了聚类结果。分析发现,广义多维云模型更能体现空间对象的综合特征,空间聚类结果能够反映出空间分布的潜在信息,更为准确的实现了复杂情况下的空间划分。该模型在刻画地理现象中更为合理,但由于地理实体的空间作用极其复杂,建立模型是一项既具体又充满挑战的任务。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
邓羽1
2
刘盛和1
张文婷3
王丽2
4
5
王江浩1
2
关键词 多维云空间聚类数据挖掘隶属度    
Abstract

Traditional spatial clustering methods can not avoid the disadvantage of "hardware division", and can not describe the physical characteristics of spatial entity effectively. One-dimensional cloud model can not accurately reflect multi-attribute characteristics of the real-world. Besides, essential information of spatial objects might be lost during procedure of simple fusion. Standard two-dimensional cloud model overcomes some shortcomings of one-dimensional cloud, but it still can not meet the needs of simulating the non-homogeneous and non-symmetry characteristics of complex geographical phenomena. In view of the above, this paper sets forth a general multi-dimensional cloud model, which describes the characteristics of spatial objects more reasonably. Based on the empirical research, a detailed interpretation of clustering results is made from the spatial distribution of membership degree of clustering, the comparative study of Fuzzy C-means and a coupled analysis of residential land prices. It is found that general multi-dimensional cloud model can reflect the integrated characteristics of spatial objects better, reveal the spatial distribution of potential information, and realize spatial division more accurately in complex circumstances. However, due to the complexity of spatial interactions among geographical entities, the construction of cloud model is a specific and challenging task.

Key wordsmulti-dimensional cloud    spatial clustering    data mining    membership degree
收稿日期: 2009-01-09      出版日期: 2010-03-31
基金资助:

国家自然科学基金项目 (40971102; 40871179); 中科院研究生科技创新与社会实践资助专项

通讯作者: 刘盛和 (1967-), 男, 湖南衡阳人, 博士, 研究员, 研究方向为城市发展与土地利用。E-mail: liush@igsnrr.ac.cn   
作者简介: 邓羽 (1985-), 男, 湖北恩施人, 硕士研究生, 从事城市发展与土地利用研究。E-mail: rain00788@163.com
引用本文:   
邓羽1, 2, 刘盛和1, 张文婷3, 王丽2, 4, 5, 王江浩1, 2. 广义多维云模型及在空间聚类中的应用[J]. 地理学报, 10.11821/xb200912004.
DENG Hu-1, 2, Liu-Cheng-He-1, Zhang-Wen-Ting-3, Wang-Li-2, 4, 5, Wang-Jiang-Gao-1, 2. Spatial Clustering Method Based on General Multidimensional Cloud Model. Acta Geographica Sinica, 2009, 64(12): 1439-1447.
链接本文:  
http://www.geog.com.cn/CN/10.11821/xb200912004      或      http://www.geog.com.cn/CN/Y2009/V64/I12/1439
[1] 王军,许世远,陈振楼,毕春娟. 长江口滨岸湿地环境信息系统的建立与应用[J]. 地理学报, 2004, 59(6): 927-937.
[2] 骆剑承, 周成虎, 梁怡, 张讲社,黄叶芳. 多尺度空间单元区域划分方法[J]. 地理学报, 2002, 57(2): 167-173.
[3] 李钜章. 中国地貌形态基本类型数量指标初探[J]. 地理学报, 1982, (1): 17-26.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2013 《地理学报》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发