需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：9059 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：聚類分析是數(shù)據(jù)挖掘領域一個非?；钴S的研究課題，在國內(nèi)外得到了廣泛關注，被應用到諸多的領域中，如市場預測研究、模式識別、模式分析和異常檢測等。空間數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的最新研究領域之一。 論文介紹了空間對象間包含關系的判斷方法（對象間包含關系含：點-線包含關系、點-面包含關系、線-面包含關系、面-面包含關系），并對空間面對象根據(jù)其包含的對象進行聚類分析。本文介紹了兩種針對分類屬性的聚類方法：CLOPE算法，ROCK算法。本文使用VC++6.0作為實驗平臺，采用GML數(shù)據(jù)源，對兩種聚類方法進行了實驗。 關鍵詞：數(shù)據(jù)挖掘，聚類,空間對象，CLOPE，ROCK
Abstract：As an important research field of data mining, clustering is widely applied in market prediction, pattern recognition, pattern analysis, anomaly detection, etc. Spatial data mining is one of the latest research areas of data mining. In this paper, we introduce some algorithms to judge the including relation between two spatial objects. There are four kinds of including relation: point-lines, point-polygon, lines-polygon, polygon-polygon. We cluster the spatial polygons by the objects included. This paper introduces two algorithms: CLOPE and ROCK, both of them are used for category attributes. We implement the two algorithms with VC++ 6.0 and use GML data source. Key words: Data Mining, Cluster, Spatial Objects, CLOPE, ROCK
本文主要介紹了空間對象之間包含關系的判定方法，并根據(jù)包含關系對面對象進行聚類。全文共分為5章，各章內(nèi)容安排如下： 第一章簡要介紹了空間拓撲關系的研究現(xiàn)狀和意義，并介紹了幾種適用于本研究的聚類方法。 第二章詳細介紹了幾種用于計算空間對象之間包含關系的判定方法，并進行了實驗驗證。 第三章首先簡要介紹了目前使用的幾類聚類方法，并列舉出每一類算法中的經(jīng)典算法。然后介紹了本文運用的兩種算法，并對兩種算法進行了實驗。 第四章對全文進行了總結，并對未來學習寄予希望。
|
