采用密度聚类算法的兴趣点数据可视化方法

被引:39
作者
张铁映
李宏伟
许栋浩
孟超越
朱燕
机构
[1] 郑州测绘学院
关键词
兴趣点; 兴趣点可视化; 聚类; DBSCAN;
D O I
10.16251/j.cnki.1009-2307.2016.05.033
中图分类号
P208 [测绘数据库与信息系统];
学科分类号
070503 ; 081603 ; 0818 ; 081802 ;
摘要
针对目前对兴趣点数据的主要可视化方法均无法从宏观角度清晰地描述其分布规律及特征的问题,提出了基于密度聚类算法DBSCAN的兴趣点可视化方法。采用DBSCAN算法对兴趣点数据进行聚类及可视化,既有效地解决大数据量时兴趣点数据重叠遮盖的问题,又在宏观角度上发现其分布规律且在细节层次上保持数据的位置精确度。在学区房选址的应用中,将常用的兴趣点可视化方法与聚类可视化相结合,可以较为直观地选取合适的学区房。
引用
收藏
页码:157 / 162
页数:6
相关论文
共 9 条
[1]   一种个人地理标记数据的可视化方法 [J].
华一新 ;
李响 ;
王丽娜 ;
张晶 .
测绘学报, 2015, 44 (02) :220-227
[2]   多维数据的聚类结果可视化技术综述 [J].
王开军 .
福建师范大学学报(自然科学版), 2012, 28 (04) :115-124
[3]   试析学区房的形成及其社会效应——以天津市为例 [J].
张品 .
社会工作(学术版), 2011, (12) :87-90
[4]   大量空间数据可视化的算法 [J].
冯玉才 ;
刘嘉 .
计算机工程, 2003, (13) :79-81
[5]   地理空间数据的可视化 [J].
高俊 .
测绘工程, 2000, (03) :1-7
[6]  
空间知识地图构建理论和方法研究[D]. 王富强.解放军信息工程大学. 2013
[7]  
空间数据挖掘及其可视化系统若干关键技术研究[D]. 樊明辉.中国科学院研究生院(遥感应用研究所). 2006
[8]  
基于自然语言处理的多源POI数据融合的研究[D]. 李瑞姗.中国海洋大学. 2013
[9]  
可视化空间聚类挖掘算法的研究与应用[D]. 董玮.吉林农业大学. 2012