领域知识驱动的空间聚类及其人工免疫优化算法研究

As an important issues in the domain of spatial data mining, spatial clustering has important theoretical and applied research value in the field of geographical information science. Because spatial clustering analysis has the non-spatial attributes, it can be considered to be a hot and difficult problem in current research. The existing research mainly focuses on the extended non-spatial attributes or spatial variables. However, this does not change the clustering objectives, as well as for the clustering criterion, in the spatial clustering. And in the aspects of algorithm design, the existing research lacks the study on the constraints of subclass attributes. Based on the classification of domain knowledge and the structured analytical study, the formal description of domain knowledge-driven spatial clustering is built. According to the characteristics of spatial clustering and the requirements of clustering task, the model of spatial clustering is focused on the domain knowledge-driven. And by improving clonal selection optimization algorithm, chaotic immune clonal selection clustering algorithm that can be applied to spatial clustering is proposed. In terms of the a prototype system designed in this project, the rationality and practical applicability of the algorithm of chaotic immune clonal selection clustering is validated by land use zoning selected the issues of spatial clustering. The study could help to solve the forefront problems of application-oriented spatial clustering. It can promote geographic information technologies that change from data-driven to model-driven and knowledge-driven. The scientific achievements of this project can promote intelligent decision support to a certain extent.

空间聚类是空间数据挖掘的重要组成部分，在地理信息科学领域具有重要的理论与应用研究价值。带有非空间属性的空间聚类分析是目前空间聚类研究的热点和难点问题。现有的空间聚类主要是对非空间属性进行扩展或对空间变量进行扩展，没有从本质上改变其聚类目标和聚类准则，同时在算法设计上缺少对子类属性内聚性的约束。本项目拟在对领域知识的分类和结构化解析研究的基础上，构建领域知识驱动的空间聚类形式化描述；根据空间聚类的特点和聚类任务的要求，重点研究领域知识驱动下的空间聚类模型，并对克隆选择优化算法的改进，提出可以应用于空间聚类的混沌免疫克隆选择聚类算法；设计并开发原型系统，以土地用途分区为例开展应用研究，验证模型的合理性和实用性。该研究有助于解决面向应用的空间聚类这一前沿问题，促进地理信息技术由数据驱动向模型驱动、知识驱动和决策支持转变。

空间聚类是空间数据挖掘的重要组成部分，在地理信息科学领域具有重要的理论与应用研究价值。带有非空间属性的空间聚类分析是目前空间聚类研究的热点和难点问题。现有的空间聚类主要是对非空间属性进行扩展或对空间变量进行扩展，没有从本质上改变其聚类目标和聚类准则，同时在算法设计上缺少对子类属性内聚性的约束。本项目结合概念的属性、语义距离等影响因素，提出了一种基于本体结构的地理实体语义相似度测度模型；提出了语义知识单元的概念，构建具有空间关系的知识单元体系结构，提炼知识单元的组合模式，实现了领域知识转化为知识单元的组合模式；根据空间聚类优化的目标和约束体系，提出了面向土地用途分区的知识体系及其表达模型。建立基于多目标优化的空间聚类的基本框架，构建了空间聚类问题到算法的映射关系，形式化描述领域知识驱动的空间聚类模型；改进了克隆选择算法的编码方式、抗体-抗原亲和度和抗体多样性等关键问题，并进一步对克隆选择算法进行研究，建立面向空间聚类的混沌免疫克隆选择算法，并确定了混沌扰动的策略和方式。设计了基于领域知识驱动的空间聚类模型的土地用途分区系统，采用二次开发方式定制GIS功能，编写代码实现本项目提出的模型。以海南省昌江县乌烈镇和海尾镇为实验区，开展实验研究，结果表明领域知识驱动的空间聚类模型能够在多约束下进行土地用途分区，可以实现全局优化，具有收敛速度快、结构可靠等优点。本项目还开展了模型的泛化研究工作，将克隆选择算法应用到土地利用空间优化配置中，开展了初步工作，取得了较好的效果。该研究丰富了空间聚类的研究内容，为土地用途分区提供了新思路和新方法，在一定程度上促进了地理信息技术由数据驱动向模型驱动、知识驱动和决策支持转变。

内容获取失败，请点击重试