k-邻近空间关系下的空间同位模式挖掘算法

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

k-邻近空间关系下的空间同位模式挖掘算法

边馥苓, 万幼

文章导航 > 武汉大学学报 ( 信息科学版) > 2009 > 34(3): 331-334

边馥苓, 万幼. k-邻近空间关系下的空间同位模式挖掘算法[J]. 武汉大学学报 ( 信息科学版), 2009, 34(3): 331-334.

引用本文:

边馥苓, 万幼. k-邻近空间关系下的空间同位模式挖掘算法[J]. 武汉大学学报 ( 信息科学版), 2009, 34(3): 331-334.

BIAN Fuling, WAN You. A Novel Spatial Co-location Pattern Mining Algorithm Based on k-Nearest Feature Relationship[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 331-334.

Citation:

BIAN Fuling, WAN You. A Novel Spatial Co-location Pattern Mining Algorithm Based on k-Nearest Feature Relationship[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 331-334.

k-邻近空间关系下的空间同位模式挖掘算法

边馥苓¹,
万幼¹

¹武汉大学空间信息与数字工程研究中心,武汉市珞喻路129号430079

基金项目: 国家自然科学基金资助项目(40601026)

作者简介:
边馥苓,教授,博士生导师。现从事GIS理论及应用研究。

中图分类号: P208

A Novel Spatial Co-location Pattern Mining Algorithm Based on k-Nearest Feature Relationship

BIAN Fuling¹,
WAN You¹

¹Research Center of Spatial Information and Digital Engineering,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(40601026)

摘要: 定义了一种基于k-邻近对象的空间同位模式,探讨了基于k-邻近空间关系的同位模式的特点及其与基于距离阈值的空间同位模式的区别与联系,并开发了k-邻近对象同位模式挖掘算法(KNFCOM)。通过对真实数据的实验结果表明,KNFCOM算法可有效地发现大型空间数据集中存在的各种空间同位模式。
- k-邻近 /
- 空间同位模式 /
- KNFCOM算法 /
- 空间关联规则
Abstract: We define a k-nearest feature based on co-location patterns,and develop k-nearest feature co-location mining(KNFCOM) algorithm to mine this kind of co-location patterns.The experimental results show that KNFCOM algorithm is efficient and scalable for mining spatial co-location patterns from various large spatial datasets.
- k-nearest feature /
- spatial co-location pattern /
- KNFCOM /
- spatial association rule

[1]	吴京航, 桂志鹏, 申力, 吴华意, 刘洪波, 李锐, 梅宇翱, 彭德华. 顾及格网属性分级与空间关联的人口空间化方法 . 武汉大学学报 ( 信息科学版), 2022, 47(9): 1364-1375. doi: 10.13203/j.whugis20200379
[2]	郭艺文, 蔡建南, 陈袁芳, 邓敏, 赵斌. 网络约束下局部空间同位模式的扫描统计方法 . 武汉大学学报 ( 信息科学版), 2022, 47(9): 1383-1389. doi: 10.13203/j.whugis20200177
[3]	雷祥旭, 桑吉章, 李振伟, 陈俊宇, 杜建丽, 贺东雷. 低轨空间目标甚短弧初轨关联 . 武汉大学学报 ( 信息科学版), 2020, 45(10): 1526-1532. doi: 10.13203/j.whugis20180386
[4]	徐枫, 蔡建南, 刘启亮, 何占军, 邓敏. 显著局部空间同位模式自动探测方法 . 武汉大学学报 ( 信息科学版), 2018, 43(10): 1538-1545. doi: 10.13203/j.whugis20170008
[5]	徐健, 常志国, 张小丹. 采用交替K-奇异值分解字典训练的图像超分辨率算法 . 武汉大学学报 ( 信息科学版), 2017, 42(8): 1137-1143. doi: 10.13203/j.whugis20150095
[6]	田晶, 王一恒, 颜芬, 熊富全. 一种网络空间现象同位模式挖掘的新方法 . 武汉大学学报 ( 信息科学版), 2015, 40(5): 652-660. doi: 10.13203/j.whugis20130448
[7]	田晶, 何遒, 周梦杰. 运用Q统计分析网络空间现象关联模式 . 武汉大学学报 ( 信息科学版), 2014, 39(4): 486-491. doi: 10.13203/j.whugis20120562
[8]	陈西江, 花向红, 杨荣华, 张青华. 分带K-均值聚类的平面标靶定位 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 167-170.
[9]	董林, 舒红, 牛宵. 利用叠置分析和面积计算实现空间关联规则挖掘 . 武汉大学学报 ( 信息科学版), 2013, 38(1): 95-99.
[10]	马娟, 方源敏, 赵文亮, 冯瑜瑾. 利用空间微分块与动态球策略的k近邻搜索算法研究 . 武汉大学学报 ( 信息科学版), 2011, 36(3): 358-362.
[11]	罗广祥, 弓晓敏, 韩英英, 卢国梁. 面状要素空间邻近度量化模型 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 602-605.
[12]	孙庆辉, 王家耀, 钟大伟, 李少梅. 空间信息服务模式研究 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 344-347.
[13]	沙宗尧, 李晓雷. 异质环境下的空间关联规则挖掘 . 武汉大学学报 ( 信息科学版), 2009, 34(12): 1480-1484.
[14]	朱玉, 张虹, 孔令东. 一种基于免疫算法的空间关联规则挖掘方法 . 武汉大学学报 ( 信息科学版), 2009, 34(12): 1485-1489.
[15]	李光强, 邓敏, 朱建军. 基于Voronoi图的空间关联规则挖掘方法研究 . 武汉大学学报 ( 信息科学版), 2008, 33(12): 1242-1245.
[16]	李德仁, 彭明军. 城市空间信息规则网格与不规则网格的数据转换 . 武汉大学学报 ( 信息科学版), 2007, 32(2): 95-99.
[17]	马荣华, 何增友. 从空间数据库中挖掘频繁邻近类别集的一种新算 . 武汉大学学报 ( 信息科学版), 2007, 32(2): 112-114.
[18]	熊平, 朱天清, 黄天戍. 模糊关联规则挖掘算法及其在异常检测中的应用 . 武汉大学学报 ( 信息科学版), 2005, 30(9): 841-845.
[19]	沙宗尧, 边馥苓, 陈江平, 江聪世. 基于规则知识的空间推理研究 . 武汉大学学报 ( 信息科学版), 2003, 28(1): 45-50.
[20]	李成名, 陈军, 朱英浩. 基于Voronoi图的空间邻近定义与查询 . 武汉大学学报 ( 信息科学版), 1998, 23(2): 128-131.

WeChat

点击查看大图

计量

文章访问数: 863
HTML全文浏览量: 56
PDF下载量: 543
被引次数: 0

k-邻近空间关系下的空间同位模式挖掘算法

边馥苓¹,
万幼¹

¹武汉大学空间信息与数字工程研究中心,武汉市珞喻路129号430079

基金项目: 国家自然科学基金资助项目(40601026)

作者简介:
边馥苓,教授,博士生导师。现从事GIS理论及应用研究。

收稿日期: 2009-01-16
修回日期: 2009-01-16
刊出日期: 2009-03-05

中图分类号: P208

关键词:

空间同位模式 /

空间关联规则

摘要: 定义了一种基于k-邻近对象的空间同位模式,探讨了基于k-邻近空间关系的同位模式的特点及其与基于距离阈值的空间同位模式的区别与联系,并开发了k-邻近对象同位模式挖掘算法(KNFCOM)。通过对真实数据的实验结果表明,KNFCOM算法可有效地发现大型空间数据集中存在的各种空间同位模式。

English Abstract

边馥苓, 万幼. k-邻近空间关系下的空间同位模式挖掘算法[J]. 武汉大学学报 ( 信息科学版), 2009, 34(3): 331-334.

引用本文:

边馥苓, 万幼. k-邻近空间关系下的空间同位模式挖掘算法[J]. 武汉大学学报 ( 信息科学版), 2009, 34(3): 331-334.

BIAN Fuling, WAN You. A Novel Spatial Co-location Pattern Mining Algorithm Based on k-Nearest Feature Relationship[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 331-334.

Citation:

BIAN Fuling, WAN You. A Novel Spatial Co-location Pattern Mining Algorithm Based on k-Nearest Feature Relationship[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 331-334.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码