基于空間聚類的數據挖掘技術在公共設施選址中的應用研究.pdf

1、隨著信息技術的發(fā)展，人類獲取和存儲海量數據的能力迅速提升，數據挖掘(Data Mining)知識在此背景下產生，空間數據挖掘和知識發(fā)現(Spatial DataMining and Knowledge Discovery)是其主要的研究內容?？臻g數據挖掘和知識發(fā)現技術的發(fā)展，使得空間知識的獲取取得有效改進。在公共設施選址問題中，如果對其考慮因素運用數學語言建立模型，并將空間數據挖掘知識應用于其中，將對城市建議中公共設施選址決策提供有價值

2、的參考。本文主要研究了空間數據挖掘技術的理論和方法，及其聚類算法在公共設施選址優(yōu)化決策中的應用。
　　 在基礎理論方面，對空間數據挖掘和知識發(fā)現的基礎理論進行了綜述。對空間聚類知識的概念和研究意義進行了闡述，描述了聚類分割算法和聚類層次算法。分別介紹了K-means算法、K-medoids算法、Clara算法、Clarans算法的算法思想和算法流程，并對各種聚類算法的性能和聚類結果的優(yōu)劣進行了對比分析。在擴展研究方面，以公共設施

3、選址為分析對象，在傳統(tǒng)聚類算法在此方面應用研究的基礎上，全面考慮了障礙物因素和道路交通條件差異因素對聚類結果的影響，對算法進行了改進，從而優(yōu)化了聚類結果。同時用K-means算法和模擬退火算法的有效結合，克服了傳統(tǒng)K-means算法和傳統(tǒng)K-mediods算法的弊端。通過和傳統(tǒng)解決辦法的對比，體現了本文提出的方法的運行時效性和結果有效性。在實驗研究方面，基于改進的算法設計，運用C++程序設計語言對其進行了編碼實現，并在Vi sual S