声明
致谢
摘要
1 绪论
1.1 研究背景与研究意义
1.2 国内外研究现状
1.2.1 基于频率的分类变量相似度度量方法
1.2.2 基于本体的相似度度量方法
1.2.3 基于概率语言模型的相似度度量方法
1.2.4 空间数据分析中语义相似度度量的应用
1.2.5 存在的问题
1.3 创新点和主要研究工作
1.4 论文的组织结构
2 基础理论与相关技术
2.1 基于频率的分类变量相似度度量方法
2.1.1 基于频率的无监督分类变量相似度算法
2.1.2 基于频率的有监督分类变量相似度算法
2.2 词汇向量
2.2.1 词汇分布表示与统计语言模型
2.2.2 词汇向量模型
2.2.3 CBOW模型和Skip-gram模型
2.3 经典分类器模型
2.3.1 K最近邻分类器
2.3.2 感知机模型
2.3.3 朴素贝叶斯分类器
2.4 距离度量
2.4.1 闵可夫斯基距离
2.4.2 f-散度
3 基于分类器模型的分类变量相似度研究
3.1 基于分类器模型构建分类变量相似度的基本思想
3.2 相似度问题的形式化描述
3.3 基于朴素近似熵的分类变量相似度构建方法
3.3.1 分类器模型的选择
3.3.2 基于朴素近似熵的分类变量相似度方法
3.3.3 基于朴素近似熵的分类变量相似度方法在K-Modes中的应用
3.4 实验与结果分析
3.4.1 NAES的准确性验证
3.4.2 NAES的有效性验证
3.5 本章小结
4 朴素贝叶斯分类器在相似度度量中的适用性分析
4.1 朴素贝叶斯分类器的距离模型分析
4.1.1 朴素贝叶斯分类器的改进算法分析
4.1.2 互信息匹配的半朴素贝叶斯分类器
4.2 朴素贝叶斯分类器的空间模型分析
4.2.1 朴素贝叶斯分类器的分类准确度与Hellinger距离的关系
4.2.2 基于Hellinger距离的属性选择算法
4.3 实验及结果分析
4.3.1 互信息匹配的半朴素贝叶斯分类器的实验与结果分析
4.3.2 基于Hellinger距离的属性选择算法的实验与结果分析
4.4 本章小结
5基于Hellinger距离的相似度研究
5.1 Hellinger距离分类器
5.1.1 基于距离的分类器模型
5.1.2 基于Hellinger距离的分类器
5.2 基于Hellinger距离的分类变量相似度
5.3 实验与结果分析
5.3.2 基于Hellinger距离的相似度的准确性验证
5.3.3 基于Hellinffer距离的相似度在K-Modes算法中的有效性验证
5.4 本章小结
6 基于空间对象相似度的城市商业空间结构分析
6.1 城市商业空间结构的分析方法
6.1.1 数据酌获取
6.1.2 数据的预处理
6.1.3 基于Hellinger距离分类变量相似度的商业评价指数计算
6.2 空间分布的可视化分析
6.3 与已有空间数据分析方法的对比
6.4 本章小结
7 结论与展望
7.1 研究工作总结
7.2 未来工作展望
参考文献
作者简历
学位论文数据集
辽宁工程技术大学;