STICC:空間的連続性を考慮した反復地理的パターン発見のための多変量空間クラスタリング法【JST・京大機械翻訳】

Kang Yuhao; Wu Kunlin; Gao Song; Ng Ignavier; Rao Jinmeng; Ye Shan; Zhang Fan; Fei Teng

プレプリント

J-GLOBAL ID：202202212551274472 整理番号：22P0306261

STICC:空間的連続性を考慮した反復地理的パターン発見のための多変量空間クラスタリング法【JST・京大機械翻訳】

STICC: A multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月17日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

空間クラスタリングは空間データマイニングと知識発見のために広く使われてきた。理想的な多変量空間クラスタリングは,空間近接性と空間属性の両方を考慮するべきである。既存の空間クラスタリング手法は,空間近接性を維持する反復地理的パターンを発見するための課題に直面している。本論文では,多変量空間クラスタリングのための地理的オブジェクトの属性と空間関係の両方を考慮する空間Toeplitz逆共分散ベースクラスタリング(STICC)法を提案した。サブ領域は,クラスタリングを行うとき,基本ユニットとして機能する各地理的オブジェクトのために作成される。次に,Markov確率場を構築し,サブ領域の属性依存性を特性化した。空間一貫性戦略を用いて,近傍オブジェクトは同じクラスタに属するように奨励される。提案したSTICCアルゴリズムの性能を試験するために,それを2つの使用事例に適用した。いくつかのベースライン法との比較結果は,STICCが,調整済みランドインデックスとマクロF1スコアに関して,他者よりも著しく優れていることを示す。また,Join計数統計を計算し,空間近接性はSTICCにより良く保存されることを示した。このような空間クラスタリング法は,地理,リモートセンシング,輸送,都市計画等の分野で様々な応用に役立つ可能性がある。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , システム・制御理論一般

, , , , ,

前のページに戻る