论文部分内容阅读
针对空间数据聚类不重视属性数据利用的问题，在探讨空间属性数据趋向性的基础上，构建刻画属性值随空间位置变化的趋势函数，形成了借鉴于变异函数的二阶模型，并据此建立一个集成空间距离和属性差异的相似度函数，探讨了满足平稳假设和角度容限处理方案，形成了一个以趋势函数为核心的聚类模型K-Trend。实验表明：该算法聚类结果质量高，不受样本影响，且耗时适中，进一步提高了空间数据聚类的实用性。