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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。