针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果,导致空间数据分量失真,存在聚类精度低、耗时长的问题,提出一种空间数据库反向最近邻聚类方法.首先,通过选取训练样本集实现核矩阵的特征分解,获得其距离特征修正值去除初始值的影响;然后,根据核主成分分析(K PC A)降维并结合降维后的距离特征反向结果,利用反向最近邻聚类方法与扩展的部分失真搜索法相结合,实现空间数据的聚类;最后利用选定的聚类中心对数据集进行计算,计算数据集第一维分量与聚类中心第一维分量之间的失真,得到反向最近邻,直至所有空间数据均找到所属类别,最终完成空间数据库反向最近邻聚类.实验结果表明,该方法提高了空间数据的聚类精度,减少了空间数据聚类所用时间.
展开▼
