基于几何概率和空间邻近性测度的空间聚类研究

"数据挖掘和知识发现"是20世纪末形成的一个新兴边缘学科，也称数据挖掘，空间数据挖掘是其中的重要内容，空间聚类属于空间数据挖掘中的主流方法，使用频率很高。但其中仍然存在两个尚未彻底解决的难题：其一，对一个给定的数据集（样本），如何确定最佳分类数或最佳分类数区间；其二，在基于空间对象非几何属性的相似性和差异性进行空间聚类的过程中，如何合理地反映空间对象之间在空间位置和拓扑关系方面的关联。本项目针对这两个尚未解决的难题，以几何概率和空间邻近性测度研究为基础，提出有效的解决方案，在强化空间聚类理论基础的同时也有利于提高相关空间数据挖掘算法的效率，研究意义重大而明确。