基于场模型的自适应空间聚类方法研究

聚类是一类被广泛使用的探索型数据分析方法，空间聚类研究涉及空间对象的聚类问题，是空间分析和空间数据挖掘领域研究的重点内容。现有的聚类方法和已经实现的相关算法应用于空间聚类研究时仍存在明显的局限性：其一，聚类数需要预先指定；其二，采用对象模型组织数据，算法主要针对点状目标设计，不适用涉及复杂空间对象的聚类问题。本项目按照聚类过程中涉及的数据性质，将空间聚类分为"基于空间对象几何特征的聚类"和"基于空间对象几何特征与属性特征的聚类"两种类型，针对这两类空间聚类问题现有解决方案的局限性，综合运用空间自相关分析、密度插值、几何概率、空间邻近性测度和异质性测度，提出基于场模型的自适应空间聚类方法，强化聚类分析的理论基础，并为最终解决空间聚类问题提供新的途径，研究意义明确、重大。