[发明专利]一种结合空间结构和属性信息的自适应邻域确定方法

说明书

本发明提供了一种结合空间结构和属性信息的自适应邻域确定方法，对原始数据进行数据预处理得到各个空间对象的属性信息，对属性信息用矩阵的形式进行建模，根据空间对象的类型对各个空间对象的空间结构进行建模，接着基于空间对象的空间结构和属性信息进行稀疏重建处理，得到最优重建权重矩阵，作为空间对象之间最优的邻域关系。本发明通过结合空间对象的空间结构和属性信息来自适应邻域，克服了传统方法为空间关系指定一个全局阈值的缺点，通过稀疏重建思想可以有效消除大量空间数据中的数据冗余和噪声，通过在实施例中与传统方法比较，本发明在精度上有明显优势，而且对于不同类型数据集具有鲁棒性，可以高效实现自适应邻域。

技术领域

本发明涉及一种结合空间结构和属性信息的自适应邻域确定方法，属于空间数据挖掘领域。

背景技术

空间对象之间的关系是GIS研究的关键，例如空间分析、空间数据挖掘、空间认知和空间推理。与一般图像处理的对象关系不同，空间关系受空间依赖结构的影响，相关空间分析方法需考虑此类结构化的信息，扩展传统多媒体数据分析技术对地理空间问题的适用性。近年随着大数据的出现，地理场景相关的空间位置数据和非空间属性数据汇聚到GIS数据库，这为理解空间实体之间的复杂关系提供了可能。

目前，对于空间对象间关系的研究，一般步骤是首先为不同的对象构造一个特征向量，然后计算向量之间的距离(例如马氏距离)来定量描述相应的关系。在此基础上，许多研究把重点放在如何对邻域进行最优定义。例如，使用泰森多边形定义点之间的空间关系，使用KDE(Kernel Density Estimation，核密度估计)来分析空间对象的聚类趋势。然而，所有这些方法都使用全局阈值来定义邻域，这在实际应用中可能产生不确定性。因为过大的全局阈值会导致过多空间关系被概括，过小的阈值过分强调局部变化。

由于空间对象关系的复杂性，空间数据通常涉及冗余的特征和关系。影响关系定义的数据集冗余可以分为两类：一类是空间对象的冗余特征，另一类是对象与其无关相邻对象之间的冗余关系。此外，噪声在空间数据中广泛存在。考虑到空间异质性，不同的对象往往与其邻域有不同的关联。一些可能与少数邻域对象相关，另一些可能与大量邻域对象相关。因此，忽略空间数据中冗余的特征和关系，对研究空间对象间的关系非常有益。在以往的研究中，采用了不同的策略来细化原始数据集，消除冗余和噪声。例如，利用相对较小且关键的数据维度，来降低数据的复杂性。

虽然空间结构和属性信息对于确定空间对象之间的关系具有重要意义，但大多数研究只关注其中的一种。

发明内容

为了解决现有技术的不足，本发明提供了一种结合空间结构和属性信息的自适应邻域确定方法，利用来源于信号处理领域的稀疏重建的思想，应用在空间对象关系分析中，在稀疏正则项约束下去除数据中的冗余信息，可以很好地找出与研究对象具有很强相关性的邻域。

本发明为解决其技术问题所采用的技术方案是：提供了一种结合空间结构和属性信息的自适应邻域确定方法，包括以下步骤：

(1)对原始数据进行数据预处理得到各个空间对象的属性信息，对属性信息用矩阵的形式进行建模，构建信息矩阵X∈R^d×n＝[x₁,x₂,...,x_n]，其中n表示空间对象的数量，d代表属性信息的维度，列向量x_i代表第i个空间对象的各种属性信息；

(2)根据空间对象的类型对各个空间对象的空间结构进行建模，空间对象的类型包括点、线和面；

(3)基于空间对象的空间结构和属性信息进行稀疏重建处理，并对优化过程进行迭代，得到表示空间对象之间相关性的最优重建权重矩阵，作为空间对象之间最优的邻域关系。

步骤(2)根据空间对象的类型对各个空间对象的空间结构进行建模具体包括以下过程：