空间数据聚类 查询与分析技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

空间数据聚类 查询与分析技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 基础知识1

1.1 空间数据信息1

1.1.1 空间数据特征1

1.1.2 空间数据分类2

1.1.3 空间数据模型4

1.1.4 地理信息系统5

1.1.5 空间数据库6

1.2 空间数据挖掘8

1.2.1 空间数据挖掘的特点8

1.2.2 空间数据挖掘的知识类型8

1.2.3 空间数据挖掘的过程10

1.2.4 空间数据挖掘的可视化10

1.3 空间数据聚类11

1.3.1 聚类算法概述11

1.3.2 聚类算法基本过程12

1.3.3 聚类算法分类13

1.3.4 聚类有效性指标14

1.4 空间数据查询15

1.4.1 空间索引结构15

1.4.2 空间查询18

1.5 空间数据分析21

1.5.1 空间拓扑关系22

1.5.2 空间方向关系24

1.5.3 空间距离关系25

1.5.4 空间关系推理25

1.6 本章小结26

第2章 基于k-means聚类的方法27

2.1 基于密度期望确定k-means算法的初始中心点28

2.1.1 相关概念29

2.1.2 基于密度期望选取初始中心点30

2.2 基于密度期望及有效性指标确定k值的选取31

2.2.1 有效性指标函数31

2.2.2 结合密度期望及有效性指标选取有效聚类数k值32

2.3 基于全局中心的高密度不唯一的k-means算法研究33

2.3.1 基于不唯一密度的初始中心点选取33

2.3.2 基本定义34

2.3.3 基于不唯一密度的初始中心点选取方法34

2.3.4 基于NDK-means和有效性指标的k值优化36

2.4 基于蚁群算法的增量FCM聚类算法37

2.4.1 蚁群算法38

2.4.2 基于ACO算法的改进的FCM算法39

2.4.3 基于ACOFCM算法的增量聚类研究40

2.5 基于相对密度的多分辨率增量聚类算法41

2.5.1 基于相对密度多分辨率聚类算法42

2.5.2 算法K-RDC描述及过程43

2.5.3 基于中心点及相对密度的增量聚类算法44

2.6 本章小结46

第3章 不确定空间数据聚类方法47

3.1 不确定数据信息概述47

3.1.1 不确定数据信息来源47

3.1.2 不确定数据信息分类47

3.1.3 不确定空间数据对象48

3.2 典型不确定数据聚类方法48

3.2.1 基于划分的不确定数据聚类方法48

3.2.2 基于密度的不确定数据聚类算法49

3.2.3 其他不确定数据聚类算法49

3.2.4 聚类评测标准50

3.3 基于人工蜂群算法改进模糊C-均值聚类算法51

3.3.1 人工蜂群算法52

3.3.2 结合人工蜂群算法确定模糊C－均值算法初始中心点54

3.4 面向空间不确定数据的模糊聚类分析55

3.4.1 不确定数据模型55

3.4.2 空间不确定数据模糊聚类算法56

3.4.3 空间不确定数据模糊聚类算法的改进方法57

3.4.4 改进空间不确定数据模糊聚类算法描述59

3.5 不确定数据聚类的U-PAM算法和UM-PAM算法60

3.5.1 基本定义60

3.5.2 PAM算法61

3.5.3 U-PAM聚类算法61

3.5.4 UM-PAM聚类算法63

3.5.5 基于U-PAM和CH有效性指标优化64

3.6 本章小结67

第4章 障碍物环境下的聚类方法68

4.1 障碍约束下的聚类概述68

4.2 COD CLARANS方法71

4.3 DBCLuC方法72

4.4 AutoClust和AutoClust＋方法73

4.5 障碍约束下的基于矩形格的聚类方法74

4.6 本章小结76

第5章 空间近邻关系查询基础77

5.1 空间最近邻查询概念77

5.1.1 最近邻查询意义77

5.1.2 最近邻查询基本定义78

5.2 典型变体空间最近邻查询78

5.3 最近邻查询的基本方法81

5.3.1 基于树索引结构的查询方法81

5.3.2 基于Voronoi图的查询方法82

5.3.3 基于空间填充曲线的查询方法83

5.4 本章小结84

第6章 Voronoi图的生成及查询技术85

6.1 基础定义和性质85

6.2 Voronoi图的生成方法86

6.3 基于Voronoi图的基本近邻查询88

6.4 数据集中强邻近对查询92

6.4.1 基本定义92

6.4.2 无障碍物的强邻近对查询93

6.4.3 有障碍物的强邻近对查询95

6.4.4 障碍物环境下的优化过滤查询97

6.4.5 数据存储结构100

6.4.6 基于最小内切圆和网格的近似查询101

6.4.7 动态数据集中的强邻近对查询103

6.5 基于Voronoi图的空间反向最近邻查询109

6.5.1 Voronoi图与反向最近邻查询110

6.5.2 利用Voronoi图处理数据集的反向最近邻111

6.5.3 插入点时反向最近邻的判定113

6.5.4 删除点时反向最近邻的判定115

6.5.5 部分空间数据存储结构116

6.6 路网中基于Voronoi图的反向最近邻查询116

6.6.1 基础知识117

6.6.2 过滤过程118

6.6.3 精炼过程119

6.6.4 基于NVD的RNN算法描述121

6.6.5 路网中新增点对反向最近邻查询的影响122

6.6.6 路网中删除点对反向最近邻查询的影响123

6.7 路网环境下的组k最近邻查询方法124

6.7.1 基本定义和性质124

6.7.2 处理数据集125

6.7.3 过滤过程126

6.7.4 精炼过程127

6.7.5 基于NVD的GkNN算法128

6.7.6 路网中新增点对组k最近邻查询的影响129

6.7.7 路网中删除点对组k最近邻查询的影响130

6.8 障碍空间中基于Voronoi图的kNN查询131

6.8.1 过滤过程131

6.8.2 精炼过程132

6.8.3 障碍空间中基于Voronoi的kNN算法描述134

6.8.4 障碍空间中新增点对kNN的影响134

6.8.5 障碍空间中删除点对kNN的影响135

6.9 本章小结136

第7章 空间数据索引结构和查询技术137

7.1 IRT树索引结构与基本操作算法137

7.1.1 IRT树索引结构137

7.1.2 IRT树索引结构的基本操作138

7.2 基于RBRT树的近邻查询140

7.2.1 RBRT树空间索引结构140

7.2.2 基于RBRT树的最近邻查询140

7.2.3 基于RBRT树的受限最近邻查询142

7.2.4 基于RBRT树的受限单纯型连续近邻链查询143

7.3 RTC树空间索引结构146

7.3.1 RTC树的组织结构146

7.3.2 基于节点相交策略的搜索方法147

7.4 基于RTC树的近邻关系查询148

7.4.1 基于RTC树的最近邻查询148

7.4.2 障碍物环境下基于RTC树的最近邻查询150

7.4.3 基于RTC树的动态单纯型连续近邻链查询151

7.5 典型曲面上的点的索引和近邻查询153

7.5.1 柱面和锥面上点的索引和最近邻查询153

7.5.2 球面上的点的最近邻查询155

7.6 空间关系连接处理160

7.6.1 种子树方法161

7.6.2 空间哈希方法162

7.6.3 槽索引方法163

7.6.4 同步遍历方法163

7.6.5 窗口缩减方法164

7.6.6 分区空间合并连接164

7.6.7 空间连接索引技术164

7.7 本章小结165

第8章 基于位置轨迹的移动对象的最近邻查询方法166

8.1 基本定义166

8.2 基于位置轨迹的移动对象的最近邻查询167

8.2.1 预定区域的距离函数计算法167

8.2.2 基于索引树的渐进筛选法169

8.2.3 基于Voronoi图的查询方法171

8.3 本章小结172

第9章 基于聚类的R树构建方法173

9.1 混合聚类算法CUK-MEANS和R树构建方法173

9.1.1 混合聚类算法173

9.1.2 基于CUK-MEANS算法的R树索引构建方法175

9.1.3 基于CKR-R算法的R树节点分裂方法178

9.2 改进的基于CURE算法的R树构建和操作方法180

9.2.1 CU_RSbuilt算法和CU_RHbuilt算法180

9.2.2 节点分裂算法183

9.3 基于Hilbert曲线的不确定数据索引结构和查询方法184

9.3.1 Hilbert曲线编码以及Hilbert-R树184

9.3.2 基于Hilbert曲线的HC_UNCERTAIN算法184

9.3.3 基于CURE算法的Hilbert-R树索引结构构建187

9.3.4 基于概率阈值的查询算法HPTRQ191

9.3.5 不确定数据组最近邻查询算法192

9.4 本章小结194

第10章 单纯型连续近邻链查询195

10.1 单纯型连续近邻链的基本查询方法195

10.1.1 基于R树索引结构的查询方法195

10.1.2 基于Vornoi图的查询方法196

10.2 基于不变数据集和可变数据集的查询197

10.2.1 基于不变数据集的查询197

10.2.2 基于可变数据集的查询198

10.3 预定数据规模的单纯型连续近邻链查询200

10.4 障碍物环境下的单纯型连续近邻链查询202

10.4.1 障碍线和单纯型连续近邻链202

10.4.2 障碍物环境下的逐步启发式查询方法202

10.4.3 基于Voronoi图的ObSCNNC_VOR算法203

10.4.4 障碍物环境下的动态数据集中的单纯型连续近邻链查询205

10.5 障碍物动态变化环境下的单纯型连续近邻链查询210

10.5.1 基本定义210

10.5.2 静态障碍物环境下的单纯型连续近邻链查询211

10.5.3 动态障碍物环境下的单纯型连续近邻链查询213

10.6 受限区域内的单纯型连续近邻链查询215

10.6.1 基本概念和定义215

10.6.2 无障碍环境下的受限区域内的单纯型连续近邻链查询216

10.6.3 障碍物环境下的受限区域内的单纯型连续近邻链查询219

10.7 动态受限区域内的单纯型连续近邻链查询220

10.7.1 初始受限区域内的单纯型连续近邻链查询221

10.7.2 受限区域扩张环境下的单纯型连续近邻链查询223

10.7.3 受限区域收缩环境下的单纯型连续近邻链查询226

10.8 本章小结228

第11章 3D方向关系模型229

11.1 基本3D方向关系模型229

11.1.1 基本3D方向关系模型的概念229

11.1.2 3D空间对象的动态方位邻接关系231

11.1.3 3DR27空间对象方位关系的双向映射模型233

11.1.4 3DR39模型的双向关联表示234

11.1.5 3DR43模型和3DR47模型235

11.2 3DR39-3d方位关系模型235

11.2.1 基础定义235

11.2.2 3DR39-3d模型的动态方位关系237

11.2.3 3DR39-3d模型的反方位关系240

11.3 3DR44-4d方位关系模型242

11.3.1 基本定义和概念242

11.3.2 3DR44-4d模型的动态方位关系244

11.4 本章小结246

第12章 Vague区域关系与方向关系的表示247

12.1 不确定区域关系247

12.1.1 空间不确定性247

12.1.2 不确定区域关系处理方法248

12.1.3 数学方法252

12.2 基本Vague区域关系257

12.2.1 Vague区域的定义257

12.2.2 无核Vague区域关系259

12.2.3 含核Vague区域关系263

12.3 Jrv类粗糙Vague区域关系271

12.3.1 Jrv类粗糙Vague区域关系271

12.3.2 Jrv类粗糙Vague区域关系的动态关联性272

12.3.3 Jrv类粗糙Vague原子区域关系的可能蕴涵情况274

12.3.4 Jrv类粗糙Vague区域关系的可能蕴涵式276

12.4 Vague区域关系与方向关系的表示278

12.4.1 Vague方向关系表示278

12.4.2 Vague方向关系的动态性281

12.4.3 Vague方向关系的反向关系推理283

12.4.4 Vague方向关系和区域关系的复合关联推理285

12.5 本章小结286

第13章 空间网络间的空间关系287

13.1 空间网络间的空间关系分析287

13.1.1 基本概念287

13.1.2 严格型的空间网络间的空间关系表示288

13.1.3 扩展型的空间网络间的空间关系表示290

13.2 空间网络间的空间关系的交集模型293

13.2.1 空间网络间的空间关系的交集模型表示293

13.2.2 空间网络间的空间关系的特征条件式和蕴涵条件式295

13.3 空间网络间的空间关系推理300

13.4 本章小结301

参考文献302