一种基于K-medoids算法的地理适宜性分类方法技术

本发明专利技术涉及一种基于K‑medoids算法的地理适宜性分类方法，利用K‑medoids聚类算法，针对目标区域由地理适宜性分析所获适宜性综合得分图进行预设分位法初始分类，确定聚类算法的先验聚类标准，使得K‑medoids聚类算法能够自适应地在预设分位法初始分类的综合得分结果图上，进一步进行适宜性划分，分类出各个预设适宜度划分标准的各类区域，有效削弱样本像素值的异常值的影响，提高了适宜性划分的精度，并清楚地发现不同类别的特征，极大程度上提高了地理适宜性划分的精度。

A Geographical Suitability Classification Method Based on K-medoids

The present invention relates to a geographic suitability classification method based on K_medoids algorithm. By using K_medoids clustering algorithm, the initial classification of preset classification method is carried out according to the comprehensive score map of suitability obtained from geographic suitability analysis of the target area, and the priori clustering criteria of the clustering algorithm are determined, so that the K_medoids clustering algorithm can be adaptively synthesized in the initial classification of preset classification method. On the sub-result map, further suitability division is carried out to classify various regions with preset suitability division criteria, which effectively weakens the influence of outliers of sample pixel values, improves the accuracy of suitability division, and clearly finds the characteristics of different categories, thus greatly improving the accuracy of geographic suitability division.

【技术实现步骤摘要】
一种基于K-medoids算法的地理适宜性分类方法
本专利技术涉及一种基于K-medoids算法的地理适宜性分类方法，属于地理适宜性分类领域和数据挖掘

技术介绍
地理适宜性分析一直在规划应用中起着基础性作用，地理适宜性分析中，由众多单一指标适宜性等级图合并后得到的适宜性综合得分图，需要对该适宜性综合得分图进行进一步地适宜性等级划分。现有的适宜性等级划分方法依赖专家评价法或技术人员的经验较多，具有主观性。K-medoids算法作为K-means聚类算法的改进，可以将大量数据集中具有“相似”特征的像素点划分至同一个类别中，同时k-means聚类算法对于数据样本的要求较高，要求所有数据样本处在一个欧式空间中，对于有很多噪声的数据就会造成极大的误差，其次对于非数值型数据样本，不能够计算平均值等实数型变量。
技术实现思路
本专利技术所要解决的技术问题是提供一种可有效削弱样本像素值的异常值影响，提高适宜性划分精度，并能够清楚地发现不同类别特征的基于K-medoids算法的地理适宜性分类方法。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于K-medoids算法的地理适宜性分类方法，包括如下步骤：步骤A.针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，采用预设分位数的分位法，进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，然后进入步骤B；步骤B.初始化获得各地理适宜性类别分别所对应的聚类中心，并分别定义为各地理适宜性类别的初级聚类中心，进入步骤C；步骤C.基于各地理适宜性类别的初级聚类中心，完成针对地理适宜性综合得分灰度图中所有像素点的聚类操作，获得各个地理适宜性聚类，然后进入步骤D；步骤D.分别更新获得各个地理适宜性聚类的新聚类中心，并进入步骤E；步骤E.判断各地理适宜性聚类的新聚类中心与初级聚类中心是否均一致，是则完成目标区域的地理适宜性分类，获得目标区域所对应的各个地理适宜性聚类；否则分别针对各个地理适宜性聚类，用新聚类中心更新其初级聚类中心，然后返回步骤C。作为本专利技术的一种优选技术方案：所述步骤A中，基于采用预设分位数的分位法进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，还包括基于分位法中由大至小的各分位位置顺序，针对各地理适宜性类别进行排序；还包括步骤F如下，所述步骤E中，判断各地理适宜性聚类的新聚类中心与初级聚类中心是否均一致，是则完成目标区域的地理适宜性分类，获得目标区域所对应的各个地理适宜性聚类，并进入步骤F；步骤F.基于各地理适宜性类别的排序，结合各个地理适宜性聚类中像素点的个数，实现目标区域所对应各个地理适宜性聚类的重分类。作为本专利技术的一种优选技术方案，所述步骤F包括如下步骤：步骤F1.针对目标区域所对应的各个地理适宜性聚类，基于分位法中由大至小的各分位位置顺序，进行排序，获得各个地理适宜性聚类的排序，然后进入步骤F2；步骤F2.基于各地理适宜性类别的排序，针对各个地理适宜性聚类的排序，按序构建各地理适宜性类别与各地理适宜性聚类的一一对应关系，进而生成目标区域所对应的地理适宜性结果图。作为本专利技术的一种优选技术方案，所述步骤A中，基于各地理适宜性类别的排序，还包括如下操作：顺序依次分别针对各地理适宜性类别，针对地理适宜性类别中所包含的各像素点的灰度值，均扩大该地理适宜性类别所对应的预设增量值，实现目标区域地理适宜性综合得分灰度图中各像素点灰度值的更新；其中，依照各地理适宜性类别的排序，各地理适宜性类别分别所对应的预设增量值依次减小。作为本专利技术的一种优选技术方案，所述步骤A中，针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，采用预设分位数的分位法，进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，包括如下步骤：步骤A1.针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，分别针对其中各个像素点，按如下公式，执行Z_Score标准化操作；F(x)＝(f(x)-μ)/σ更新地理适宜性综合得分灰度图中各像素点的灰度值，然后进入步骤A2；其中，f(x)表示地理适宜性综合得分灰度图中像素点x的灰度值，F(x)表示地理适宜性综合得分灰度图中像素点x经Z_Score标准化操作后灰度值，μ表示地理适宜性综合得分灰度图中所有像素点灰度值的平均值，σ表示地理适宜性综合得分灰度图中所有像素点灰度值的标准差；步骤A2.针对地理适宜性综合得分灰度图中各像素点，按其灰度值，由小至大进行排序，并获得最大灰度值像素点、以及最小灰度值像素点，同时，基于像素点排序，获得其中第1预设分位数位置Q1、…、第N-1预设分位数位置QN-1，然后进入步骤A3，其中，N表示预设分位数；其中，由高至低的各分位数位置与适应性由高至低的各地理适宜性类别、顺序一一对应；步骤A3.针对预设分位数个地理适宜性类别，基于分位法中由大至小的各分位位置顺序，进行排序，获得各地理适宜性类别的排序，并进入步骤A4；步骤A4.根据第1预设分位数位置Q1、…、第N-1预设分位数位置QN-1、以及最小灰度值像素点和最大灰度值像素点，针对地理适宜性综合得分灰度图中像素点的排序，依序划分为预设分位数个部分，并依序构建该各部分分别与排序的各地理适宜性类别之间的一一对应关系，实现将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中。作为本专利技术的一种优选技术方案，所述步骤B中，初始化获得各地理适宜性类别分别所对应的聚类中心，包括如下操作：分别针对各地理适宜性类别，由类别所对应的各像素点中，随机选取一个像素点，初始化为该类别的聚类中心，实现各地理适宜性类别分别所对应聚类中心的初始化获得。作为本专利技术的一种优选技术方案，所述步骤C中，包括如下操作：分别针对地理适宜性综合得分灰度图中的各个像素点，基于像素点分别到各地理适宜性类别初级聚类中心的距离，将该像素点划分至最短距离所对应初级聚类中心的地理适宜性类别当中，完成地理适宜性综合得分灰度图像素点的聚类操作。作为本专利技术的一种优选技术方案，所述步骤C中，分别针对地理适宜性综合得分灰度图中的各个像素点，按如下公式：获得像素点分别到各地理适宜性类别初级聚类中心的距离，其中，F(x)k表示地理适宜性综合得分灰度图中、像素点x对应所在空间坐标系中第k维的灰度值；y表示地理适宜性综合得分灰度图中的初级聚类中心，F(y)表示地理适宜性综合得分灰度图中、初级聚类中心y对应所在空间坐标系中第k维的灰度值，Distance(F(x),F(y))表示地理适宜性综合得分灰度图中像素点x到初级聚类中心y的距离，K表示地理适宜性综合得分灰度图所对应的空间坐标系维度。作为本专利技术的一种优选技术方案，所述步骤D中，分别针对各个地理适宜性聚类，执行如下步骤D1至步骤D2，更新获得地理适宜性聚类的新聚类中心，进而分别更新获得各个地理适宜性聚类的新聚类中心；步骤D1.分别针对地理适宜性聚类C中、除初级聚类中心以外的各个像素点q，按如公式：Eq＝∑p∈C,p≠q|F(p)-F(q)|获得像素点q所对应的准则函数值Eq，然后进入步骤D2；其中，q表示地理适宜性聚类C中、除本文档来自技高网...

【技术保护点】
1.一种基于K‑medoids算法的地理适宜性分类方法，其特征在于，包括如下步骤：步骤A.针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，采用预设分位数的分位法，进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，然后进入步骤B；步骤B.初始化获得各地理适宜性类别分别所对应的聚类中心，并分别定义为各地理适宜性类别的初级聚类中心，进入步骤C；步骤C.基于各地理适宜性类别的初级聚类中心，完成针对地理适宜性综合得分灰度图中所有像素点的聚类操作，获得各个地理适宜性聚类，然后进入步骤D；步骤D.分别更新获得各个地理适宜性聚类的新聚类中心，并进入步骤E；步骤E.判断各地理适宜性聚类的新聚类中心与初级聚类中心是否均一致，是则完成目标区域的地理适宜性分类，获得目标区域所对应的各个地理适宜性聚类；否则分别针对各个地理适宜性聚类，用新聚类中心更新其初级聚类中心，然后返回步骤C。

【技术特征摘要】
1.一种基于K-medoids算法的地理适宜性分类方法，其特征在于，包括如下步骤：步骤A.针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，采用预设分位数的分位法，进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，然后进入步骤B；步骤B.初始化获得各地理适宜性类别分别所对应的聚类中心，并分别定义为各地理适宜性类别的初级聚类中心，进入步骤C；步骤C.基于各地理适宜性类别的初级聚类中心，完成针对地理适宜性综合得分灰度图中所有像素点的聚类操作，获得各个地理适宜性聚类，然后进入步骤D；步骤D.分别更新获得各个地理适宜性聚类的新聚类中心，并进入步骤E；步骤E.判断各地理适宜性聚类的新聚类中心与初级聚类中心是否均一致，是则完成目标区域的地理适宜性分类，获得目标区域所对应的各个地理适宜性聚类；否则分别针对各个地理适宜性聚类，用新聚类中心更新其初级聚类中心，然后返回步骤C。2.根据权利要求1所述一种基于K-medoids算法的地理适宜性分类方法，其特征在于：所述步骤A中，基于采用预设分位数的分位法进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，还包括基于分位法中由大至小的各分位位置顺序，针对各地理适宜性类别进行排序；还包括步骤F如下，所述步骤E中，判断各地理适宜性聚类的新聚类中心与初级聚类中心是否均一致，是则完成目标区域的地理适宜性分类，获得目标区域所对应的各个地理适宜性聚类，并进入步骤F；步骤F.基于各地理适宜性类别的排序，结合各个地理适宜性聚类中像素点的个数，实现目标区域所对应各个地理适宜性聚类的重分类。3.根据权利要求2所述一种基于K-medoids算法的地理适宜性分类方法，其特征在于，所述步骤F包括如下步骤：步骤F1.针对目标区域所对应的各个地理适宜性聚类，基于分位法中由大至小的各分位位置顺序，进行排序，获得各个地理适宜性聚类的排序，然后进入步骤F2；步骤F2.基于各地理适宜性类别的排序，针对各个地理适宜性聚类的排序，按序构建各地理适宜性类别与各地理适宜性聚类的一一对应关系，进而生成目标区域所对应的地理适宜性结果图。4.根据权利要求2所述一种基于K-medoids算法的地理适宜性分类方法，其特征在于，所述步骤A中，基于各地理适宜性类别的排序，还包括如下操作：顺序依次分别针对各地理适宜性类别，针对地理适宜性类别中所包含的各像素点的灰度值，均扩大该地理适宜性类别所对应的预设增量值，实现目标区域地理适宜性综合得分灰度图中各像素点灰度值的更新；其中，依照各地理适宜性类别的排序，各地理适宜性类别分别所对应的预设增量值依次减小。5.根据权利要求1至4中任意一项所述一种基于K-medoids算法的地理适宜性分类方法，其特征在于，所述步骤A中，针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，采用预设分位数的分位法，进行分类操作，将地理适宜性综合得分灰度图中的各像素点划分至预设分位数个地理适宜性类别当中，包括如下步骤：步骤A1.针对基于地理适宜性分析、所获目标区域的地理适宜性综合得分灰度图，分别针对其中各个像素点，按如下公式，执行Z_Score标准化操作；F(x)＝(f(x)-μ)/σ更新地理适宜性综合得分灰度图中各像素点的灰度值，然后进入步骤A2；其中，f(x)表示地理适宜性综合得分灰度图中像素点x的灰度值，F(x)表示地理适宜性综合得分灰度图中像素点x经Z_Sc...

【专利技术属性】
技术研发人员：葛莹，高海峰，鲍倩，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32