[发明专利]一种空间同位模式挖掘的自适应方法

权利要求书

1.一种空间同位模式挖掘的自适应方法，其特征在于，包括以下步骤：

1) 利用最邻近指数法对输入的空间数据集中所有的要素进行分析，排除随机分布空间要素的干扰，保留呈聚集分布的空间要素；

2) 根据距离邻近性原则、密度变化一致性原则、关系紧密性原则，分别针对每种候选同位模式参与要素实例构建自然邻域关系；

3) 以自然邻域为基础，根据Delaunay三角网的连通性，从整体到局部发现多层次同位模式。

2.根据权利要求1所述的方法，其特征在于，所述步骤2）包括：

2.1) 基于Delaunay三角网的距离邻近性进行估计约束；

2.2) 基于局部密度变异的密度一致性进行约束；

2.3) 基于共享邻近的关系紧密性进行约束。

3.根据权利要求2所述的方法，其特征在于，所述步骤3）包括：

3.1）确定候选空间同位模式的层次，具体包括：根据已构建好的候选模式要素实例间的自然邻近关系，生成候选模式实例，并对所述候选模式进行频繁度度量，如果候选空间同位模式全局频繁，标记为全局空间同位模式，否则标记为候选局部空间同位模式；

3.2）对于全局不频繁的候选模式，探测其是否存在有效分布区域。

4.根据权利要求3所述的方法，其特征在于，所述步骤3.2）还包括：借助邻近图描述其模式实例间的连通性，提取所述候选局部空间同位模式分布区域，若存在有效分布区域，则将其标记为局部空间同位模式。

5.根据权利要求2所述的方法，其特征在于，所述步骤2.1）包括：

根据空间对象的空间属性构建 Delaunay 三角网；

借助Delaunay三角网边长的统计规律估计邻域上限距离，计算公式如下：

其中Limit_p表示领域上限距离，p表示空间要素的实例，Mean(DT)表示边长集合DT的均值，SD(DT)表示边长集合DT的标准差；

针对每个空间要素的实例p，在其邻域上限距离内的所有要素实例依据与p的距离大小升序排列，定义为p的候选邻域集合，记为CN(p)。

6.根据权利要求5所述的方法，其特征在于，所述步骤2.2）包括：

依次与空间要素实例p候选邻域内要素实例CN_i(p)连接，并统计落入以p和CN_i(p)间距离为直径的圆中的其它空间要素实例个数n_i，当n_i<n_i-1，(1<i<=m)，将CN_i(p)定义为p的断点，其中m为CN(p)的数目；

针对每个空间要素的实例p，识别第一个密度断点前的所有候选邻域集合中的实例，这些实例构成p的密度邻域，记为DN(p)；

针对每个空间要素的实例p，将其密度邻域初始化为密度一致邻域，遍历p的断点，若该断点p_break与p的密度邻域有重叠，则将该断点与下一断点之前的候选邻域加入p的密度一致邻域中，记为HN(p)，否则停止遍历。

7.根据权利要求6所述的方法，其特征在于，所述步骤2.3）包括：

针对每个空间要素的实例p，遍历其密度一致邻域中的要素实例q_i，若p 与q_i互为密度一致邻域且拥有共同密度一致邻域要素，则将该密度一致邻域加入p的自然邻域中，记为NN(p)，否则停止遍历。