矢量居民地多边形多级图划分聚类方法

本文刊于: 《武汉大学学报(信息科学版)》 2021年第0期

关键词:
居民地多边形 相似性度量 多边形聚类分析 多级图划分方法

Keywords:
residential area polygon,similarity measurement,clustering analysis of polygons,multi-level graph-partition method
摘要
     针对复杂居民地多边形的信息挖掘问题,提出了一种多级图划分聚类分析方法,构造居民地多边形的图模型,并通过对图模型进行粗化匹配与重构、初始化分和细化得到聚类结果。首先构建研究区域内居民地建筑物的Delaunay三角网,生成包含研究对象之间的邻接信息图;然后结合空间认知准则和人类认知的特点,采用形状狭长度、面积比、凹凸性、距离和连通性5个指标度量邻接图的相似性;最后应用多级图划分方法,得到聚类结果。采用中国上海地区的居民地建筑物矢量数据进行聚类分析实验,并对比了改进的k均值算法(k-Means++)、具有噪声鲁棒性的基于密度的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)和最小生成树(minimum spanning tree, MST)聚类算法得到的轮廓系数以及视觉效果。实验结果表明,基于多级图划分的居民地多边形聚类分析的结果更加符合人类认知。

基金项目:
国家自然科学基金(41871305);国家重点研发计划(2017YFC0602204);中央高校基本科研业务费(CUGQY1945);中央高校基本科研业务费(GLAB2019ZR02);地质探测与评估教育部重点实验室主任基金~~

上一篇:纳米生物学与纳米酶学:新兴交叉科学
下一篇:无人机热红外支持下的城市微尺度热环境模拟

分享到: 分享矢量居民地多边形多级图划分聚类方法到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐