郑旻琦
- 作品数：3 被引量：3H指数：1
- 供职机构：福州大学更多>>
- 发文基金：国家自然科学基金福建省科技计划重点项目国际科技合作与交流专项项目更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 基于MST聚类的空间数据离群挖掘算法被引量：1
- 2008年
- 空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。
- 林甲祥陈崇成樊明辉郑旻琦
- 关键词：SOM算法
- 考虑约束的空间离群挖掘研究与应
- 郑旻琦
- 关键词：DELAUNAY三角网空间邻域
- 基于Delaunay三角网的空间离群挖掘被引量：2
- 2008年
- 空间离群是指非空间属性与其空间邻居显著不同的空间对象。空间数据的特殊性决定了空间离群挖掘需要充分考虑空间数据的特点,才能挖掘出有现实意义的离群。本文对现有主要的空间数据离群挖掘算法进行了研究分析,针对k-邻域法确定空间邻域的缺点,基于Delaunay三角网在表达空间邻近关系的有效性,通过构建Delaunay三角网确定空间邻域并生成空间权重矩阵,据此提出了基于Delaunay三角网的空间离群挖掘算法DT_SOF,并以实际生态地球化学数据进行实验检验。结果表明,算法具有较低的用户依赖性,能准确挖掘空间离群。
- 郑旻琦陈崇成樊明辉叶东毅林甲祥
- 关键词：空间邻域DELAUNAY三角网生态地球化学
