从空间数据库发现聚类.pdfVIP

第 ì 卷 第 ì 期 中国图象图形学报 éìå éì œÃ Æ œ ëôôò 年 ì 月 éëôôò ™œ’“Œ£Ã œ ©Õ £« £Œ ƒ ß “£–»…” £“ 从空间数据库发现聚类ö 一种基于数学形态学的算法X 邸凯昌 李德仁 李德毅 à武汉测绘科技大学å武汉 îìêêóêâ à总参谋部第六十一研究所å北京 ëêêêìñâ 摘 要 聚类算法能从空间数据库中直接发现一些有意义的聚类结构而不需要背景知识å 是空间数据发掘和知识 发现的重要手段 在分析已有聚类算法的基础上å提出了一种基于数学形态学的聚类算法å 该算法能够处理任意形 状的聚类å采用启发式方法自动确定最优聚类数 同时å 该算法也可以在矢量型空间数据库中得到实现 试验表明 算法是可行和有效的å且能处理存在噪音的数据 关键词 聚类算法å数学形态学å数据发掘与知识发现å 空间数据库 å简称 âå或称空间 “Ÿ “œÕ –£‘…£Ã § £‘£¬£”” ´§ § ë 引 言 数据发掘à –£‘…£Ã §£‘£ …Œ …Œ«å简称 § âå是指从 空间数据库中提取用户感兴趣的空间模式与特征! 数据库技术是计算机信息处理技术中应用最广 空间与非空间数据的普遍关系及其它一些隐含在数 ª ì * ñ 泛! 发展最活跃的领域之一å数据和数据库急剧膨胀 据库中的普遍的数据特征 从空间数据库中可 使数据库处理与分析技术面临挑战 现今数据库的 以发现多种知识å使我们更好地理解和应用空间数 处理主要地还是停留在查询!检索的层次å难以发掘 据库 和充分利用数据库中隐藏的丰富的知识 数据发掘 聚类分析是统计学的一个分支å聚类算法能从 ৠ£‘£ …Œ …Œ«å简称 § âå或称从数据库中发现知 空间数据库中直接发现一些有意义的聚类结构å而 识 à å 简 称 不象归纳学习等方法需要背景知识å 因而作为一种 ´Œ œ ë § …”œ÷ “Ÿ “œÕ § £‘£¬£”” ´§§ âå定义为/ 从数据库中发现隐含的! 先前不知 重要的数据发掘方法应用于空间数据库中 本文在 道的! 潜在有用的信息0 ª ëå í å 是数据库技术与机器 分析已有聚类算法的基础上å提出了一种基于数学 学习! 统计!可视化等技术相结合产生的新的技术领 形态学的聚类算法该算法能处理任意形状的聚类å 域å 旨在提高数据库处理与分析的自动化和智能化 采用启发式方法自动确定最优聚类数å适用于点状! 水平å解决或缓解数据库激增与数据库分析相对困 线状和面状目标 难之间的矛盾 空间数据库à –£‘…£Ã § £‘£¬£”â是一类重要的! í 已有聚类算法的分析 特殊的数据库å 除了常规的属性数据外å空