面向GML的空間聚類研究.pdf

1、GML（Geography Markup Language）提供適用于Internet環(huán)境的空間信息編碼方式，用于空間數(shù)據(jù)傳輸和存儲，以一種可擴展和標(biāo)準(zhǔn)化的方式為基于Web的GIS建立良好的基礎(chǔ)。
　　 已有的空間聚類是面向空間關(guān)系數(shù)據(jù)庫的，本文對面向GML的空間聚類作了較深入的研究，取得了如下一些成果：
　　 1．提出了一種GML文檔結(jié)構(gòu)聚類算法CLU_REP，該算法在凝聚的層次聚類中引入代表樹的計算，通過計算最大頻繁

2、Induced子樹得到簇的代表樹，通過對代表樹的比較發(fā)現(xiàn)新的簇，并更新新簇的代表樹來完成聚類，不僅減少了聚類的時間開銷，而且為每個簇形成聚類描述。實驗結(jié)果表明算法CLU_REP是有效的，且具有較高的效率。
　　 2．提出了一種GML文檔結(jié)構(gòu)聚類算法CLU_MCF，該算法基于閉合頻繁Induced子樹進行聚類，聚類過程中不需樹之間的兩兩相似度比較，而是挖掘GML文檔數(shù)據(jù)庫的閉合頻繁Induced子樹，為每個文檔求解一個閉合頻繁In

3、duced子樹作為該文檔的代表樹，將具有相同代表樹的文檔聚為一類。聚類過程中自動生成簇的個數(shù)，為每個簇形成聚類描述,而且能夠發(fā)現(xiàn)孤立點。實驗結(jié)果表明算法CLU_MCF是有效的，且具有較高的效率。
　　 3．提出了一種GML文檔結(jié)構(gòu)聚類算法CLU_MFP，以GML文檔中的路徑表示GML文檔結(jié)構(gòu)，挖掘所有GML文檔路徑中的最大頻繁路徑，以GML文檔包含的最大頻繁路徑為特征進行GML文檔結(jié)構(gòu)聚類，聚類過程中利用全局準(zhǔn)則函數(shù)進行聚類的劃

4、分，大大縮短了聚類的時間開銷。該聚類不需要事先確定聚類個數(shù)。實驗結(jié)果表明算法CLU_MFP是有效的，且具有較高的效率。
　　 4．提出了一種面向GML的空間對象聚類算法SCAR_GML，該算法基于空間鄰近關(guān)系對空間對象進行聚類，而傳統(tǒng)的空間聚類算法僅僅把空間上鄰近的對象聚為一類。
　　 SCAR_GML計算空間對象之間的鄰近關(guān)系，以鄰近關(guān)系作為空間對象的相似性度量，同簇的空間對象在空間位置上也許相距較遠(yuǎn)，但是卻具有相似的