空間鄰近的點目標(biāo)聚類實現(xiàn)方法

　　空間聚類是空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)領(lǐng)域的主要研究方向之一，但點目標(biāo)空間分布密度的不均勻、分布形狀的多樣化，以及“多橋”鏈接問題的存在，使得基于距離和密度的聚類算法不能高效且有效地識別聚集性高的點目標(biāo)。提出了基于空間鄰近的點目標(biāo)聚類方法，通過Voronoi建模識別點目標(biāo)間的空間鄰近關(guān)系，并以Voronoi勢力范圍來定義相似度準(zhǔn)則，最終構(gòu)建樹結(jié)構(gòu)以實現(xiàn)點目標(biāo)的聚集模式識別。實驗將所提算法與K-means、具有噪聲的基于密度的聚類（ DBSCAN）算法進行比較分析，結(jié)果表明算法能夠發(fā)現(xiàn)密度不均且任意形狀分布的點目標(biāo)集群，同時準(zhǔn)確劃分“橋”鏈接的簇，適用于空間點目標(biāo)異質(zhì)分布下的聚集模式識別。