毕业论文【设计】地理空间异常模式探测研究

《毕业论文【设计】地理空间异常模式探测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、目录目录I摘要1Abstract2第一章概述31.1研究背景31.2研究意义31.3本文主要研究内容及结构安排4第二章异常探测方法的研究概况52.1基于统计的方法52.2基于距离的方法52.3基于密度的方法62.4基于聚类的方法7第三章空间点事件异常探测方法93.1基于距离的方法—KNN算法93.1.1算法描述93.1.2实验分析93.2基于密度局部度量的方法—LOF算法103.2.1相关定义103.2.2算法描述133.2.3实验分析133.3基于密度局部度量的方法—INFLO算法153.3.1相

2、关定义153.3.2算法描述163.3.3实验分析173.4基于层次约束Delaunay三角网的空间异常探测方法183.4.1空间邻接关系的粗表达193.4.2空间邻接关系的精描述203.4.3空间异常的自动识别233.4.4算法复杂度243.4.5实验分析253.5本章小结28第四章顾及专题属性的空间异常探测方法294.1SLOM算法294.1.1SLOM算法相关定义304.1.2实验分析324.2SLOF算法364.2.1相关定义364.2.2实验分析384.3一种顾及专题属性层次约束空间异常探

3、测方法414.3.1构建合理、稳定的空间邻近域41II4.3.2专题属性层次约束414.3.3空间异常的自动识别444.3.4算法复杂度464.3.5算法描述464.3.6实验分析464.4本章小结53第五章总结与展望545.1全文总结545.2研究展望55参考文献56致谢59II中南大学本科生毕业论文摘要摘要空间异常探测是空间数据挖掘的重要内容之一，旨在发现偏离普适模式的少部分实体，从而有利于揭示地理现象或地理过程潜在的发展变化特殊规律。近年来，空间异常探测已成为地理信息科学领域的研究热点，受到学

4、者们的广泛关注，并已初步应用于公共安全、环境保护、地质灾害监测、公共卫生等诸多领域。鉴于此，本文紧紧围绕空间异常探测的理论与方法进行研究，主要工作包括：（1）重点详细回顾了几类典型的空间异常探测方法，并进行分类比较。（2）针对当前异常探测算法无法探测出内部异常模式等问题，本文在对传统的空间异常进行总结的基础上进行了重定义，进而发展了一种基于层次约束Delaunay三角网的空间异常探测方法。该方法首先借助Delaunay三角网粗略表达空间实体间的邻接关系；然后利用统计学思想对Delaunay三角网进行

5、三阶层次约束，以精化空间实体的邻近域；在此基础上，统计归纳具有连接关系的实体集合，通过约束条件提取数量较少空间实体集合，即为空间异常。最后采用基于层次约束Delaunay三角网构建合理、稳定的空间邻近域，对各子空间簇专题属性值进行全局和局部层次约束，对两层次的空间异常进行识别，通过叠加分析，最终获取空间异常，并采用模拟数据和实际数据证明本文算法的可行性。关键词：空间数据挖掘异常探测Delaunay三角网层次约束-58-中南大学本科生毕业论文AbstractAbstractSpatialoutlier

6、detectionhasbeenanimportantapproachforspatialdataminingandknowledgediscovery.Spatialoutliersaretheentitieswhosenon-spatialattributesaresignificantlydifferentfromthevalueoftheentitiesintheirspatialneighborhoods.Indeed,spatialoutliersmaybeusedtodiscoverp

7、otentialgeographyphenomenonorgeographicchangeprocess.Spatialoutlierhasbecomeahotresearchfieldofinformationofscience,andhasreceivedmuchmoreattentionformpublicsafety,environmentalprotection,geologicaldisastermonitoring,publichealthandotherareas.Thispaper

8、focusesonthetheoryandmethodsofspatialoutlierdetection.wereviewedseveraltypicalmethodsofspatialoutlierdetection,andclassificationcomparison.Forthecurrentspatialoutlierdetectionalgorithmscannotdetecttheinsideabnormalpatterns,were-definiti