一种地理适宜性的聚类划分方法技术

本发明专利技术涉及一种地理适宜性的聚类划分方法，属于地理适宜性分类领域和数据挖掘技术领域。本发明专利技术所要解决的技术问题是提供一种地理适宜性的聚类划分方法，通过四分位数初始分类的算法，确定聚类算法的标准，使K‑means聚类算法能够自适应地在四分位数初始分类结果图的基础上进行适宜性的分类。

A Clustering Method for Geographical Suitability

The invention relates to a clustering method for geographic suitability, belonging to the field of geographic suitability classification and the field of data mining technology. The technical problem to be solved by the present invention is to provide a geographic suitability clustering partition method. The standard of the clustering algorithm is determined by the algorithm of initial quartile classification, so that the K_means clustering algorithm can self-adaptively classify the suitability on the basis of the initial quartile classification result map.

【技术实现步骤摘要】
一种地理适宜性的聚类划分方法
本专利技术涉及一种地理适宜性的聚类划分方法，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利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-means聚类算法可以将大量数据集中具有“相似”特征的像素划分为一个类别，其基本思想是“物以类聚”大量的数据集中必然存在相似的数据样本，基于这个假设就可以将数据区分出来，并发现不同类的特征。如何使用K-means聚类算法进行更为精确的地理适宜性分析成为本专利技术的研究对象。
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地理适宜性的聚类划分方法，通过四分位数初始分类的算法，确定聚类算法的标准，使K-means聚类算法能够自适应地在四分位数初始分类结果图的基础上进行适宜性的分类。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地理适宜性的聚类划分方法，包括如下步骤：步骤A.对由地理适宜性分析得到的适宜性综合得分图采用四分位数初始分类操作，得到像素增强后的适宜性综合得分图，并进入步骤B；步骤B.针对像素增强后的适宜性综合得分图，随机生成四个聚类中心，并进入步骤C；步骤C.对像素增强后的适宜性综合得分图中的像素点进行聚类操作，根据像素与聚类中心之间的欧式距离，将每个像素点划分至对应的适宜性类别中，并进入步骤D；步骤D.获得各适宜性类别聚类的新聚类中心，判断新聚类中心与上一次聚类中心的位置是否保持基本稳定，是则进入步骤E；否则将各适宜性类别聚类的新聚类中心，更新为各适宜性类别聚类的聚类中心，并返回步骤C。步骤E.按聚类后每个类别的像素点的个数，实现各适宜性类别的重分类。所述步骤A包括如下步骤：步骤A1.针对适宜性综合得分图，对图中的每一个灰度像素值，进行Z-Score标准化，公式如下：z＝(xi-μ)/σ式中，xi为栅格图像的像素值，μ为均值，σ为标准差；步骤A2.对经过标准化处理的适宜性综合得分图，计算图中所有灰度像素值的最小值、1/4分位数、中位数、3/4分位数和最大值，然后进入步骤A3；步骤A3.适宜性综合得分图中得分越高则适宜性越高，落在区间(3/4分位数～最大值)的为高度适宜，落在区间(中位数～3/4分位数)为中等适宜，落在区间(1/4分位数～中位数)为勉强适宜，落在区间(最小值～1/4分位数)为不适宜，分别记下(3/4分位数～最大值)、(中位数～3/4分位数)、(1/4分位数～中位数)和(最小值～1/4分位数)区间内像素的个数，并进行排序。步骤A4.对(3/4分位数～最大值)区间内像素值均增加100，突出最高得分区域(1/4分位数～中位数)和(中位数～3/4分位数)区间内像素值各增加10和20，而(最小值～1/4分位数)区间内像素值保持不变，完成四分位数初始分类操作，获得像素增强后的适宜性综合得分图。所述步骤B包括如下步骤：步骤B1.将像素增强后的适宜性综合得分图中的每个像素进行排序(从0到M)；步骤B2.从0～M中产生四个随机数，该随机数对应的像素序列号的像素即为四个聚类中心。所述步骤C包括如下步骤：步骤C1.计算适宜性综合得分图中各像素点与各适宜性类别聚类中心之间的欧式距离，公式如下：式中，f(xi)为i点处像素值；f(xj)为聚类中心j点处像素值；n为样本维度。步骤C2.将各像素点划分至最短欧式距离所对应聚类中心的聚类中。所述步骤D包括如下步骤：步骤D1.对于地理适宜性聚类的每一个类j，重新计算该类的聚类中心，c如果属于j类，则把所有的像素值都相加除以该类像素值个数，计算公式如下：1.式中，f(xi)为i点处像素值；f(uj)为重新获取的聚类中心处像素值；m为类j的像素个数；步骤D2.获得各适宜性类别聚类的新聚类中心；步骤D3.判断新聚类中心与上一次聚类中心的位置是否保持基本稳定，是则进入步骤E；否则将各适宜性类别聚类的新聚类中心，更新为各适宜性类别聚类的聚类中心，并返回步骤C。所述步骤E包括如下步骤：步骤E1.经过以上步骤已经通过K-means聚类算法，将适宜性综合得分图分了四类，进一步地我们根据每个类别的像素点的个数排序与四分位数初始分类操作中的个数排序一致，将其对应为高度适宜、中等适宜、勉强适宜和不适宜。步骤E2.生成聚类划分的适宜性图。本专利技术所述一种地理适宜性的聚类划分方法采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术设计的地理适宜性的聚类划分方法，利用K-means聚类的方法对地理适宜性分析得到的适宜性综合得分图进行进一步地适宜性等级划分，通过四分位数初始分类的算法，确定聚类算法的标准，使K-means聚类算法能够自适应地在四分位数初始分类结果图的基础上进行适宜性的分类，最大程度上提高了地理适宜性分析的精度。附图说明图1是应用本专利技术设计地理适宜性的聚类划分方法中由地理适宜性分析得到的适宜性综合得分图；图2是应用本专利技术设计地理适宜性的聚类划分方法中像素增强后的适宜性综合得分图；图3是本专利技术地理适宜性的聚类划分方法中聚类方法中K-means算法流程图；图4是应用本专利技术设计地理适宜性的聚类划分方法中地理适宜性分类的聚类结果图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明：如图3所示，本专利技术设计了一种地理适宜性的聚类划分方法，实际应用中，包括如下步骤：步骤A.对由地理适宜性分析得到的适宜性综合得分图(图1)采用四分位数初始分类操作，得到像素增强后的适宜性综合得分图，并进入步骤B；步骤B.针对像素增强后的适宜性综合得分图(图2)，随机生成四个聚类中心，并进入步骤C；步骤C.对像素增强后的适宜性综合得分图中的像素点进行聚类操作，根据像素与聚类中心之间的欧式距离，将每个像素点划分至对应的适宜性类别中，并进入步骤D；步骤D.获得各适宜性类别聚类的新聚类中心，判断新聚类中心与上一次聚类中心的位置是否保持基本稳定，是则进入步骤E；否则将各适宜性类别聚类的新聚类中心，更新为各适宜性类别聚类的聚类中心，并返回步骤C。步骤E.按聚类后每个类别的像素点的个数，实现各适宜性类别的重分类。所述步骤A包括如下步骤：步骤A1.针对适宜性综合得分图，对图中的每一个灰度像素值，进行Z-Score标准化，公式如下：z＝(xi-μ)/σ式中，xi为栅格图像的像素值，μ为均值，σ为标准差；步骤A2.对经过标准化处理的适宜性综合得分图，计算图中所有灰度像素值的最小值、1/4分位数、中位数、3/4分位数和最大值，然后进入步骤A3；步骤A3.适宜性综合得分图中得分越高则适宜性越高，落在区间(3/4分位数～最大值)的为高度适宜，落在区间(中位数～3/4分位数)为中等适宜，落在区间(1/4分位数～中位数)为勉强适宜，落在区间(最小值～1/4分位数)为不适宜，分别记下(3/4分位数～最大值)、(中位数～3/4分位数)、(1/4分位数～中位数)和(最小值～1/4分位数)区间内像素的个数，并进行排序。步骤A4.对(3/4分位数～最大值)区间内像素值均增加100，突出最高得分区域(1/4分位数～中位数)和(中位数～3/4分位本文档来自技高网...

【技术保护点】
1.一种地理适宜性的聚类划分方法，其特征在于，包括如下步骤：步骤A.对由地理适宜性分析得到的适宜性综合得分图采用四分位数初始分类操作，得到像素增强后的适宜性综合得分图，并进入步骤B；步骤B.针对像素增强后的适宜性综合得分图，随机生成四个聚类中心，并进入步骤C；步骤C.对像素增强后的适宜性综合得分图中的像素点进行聚类操作，根据像素与聚类中心之间的欧式距离，将每个像素点划分至对应的适宜性类别中，并进入步骤D；步骤D.获得各适宜性类别聚类的新聚类中心，判断新聚类中心与上一次聚类中心的位置是否保持基本稳定，是则进入步骤E；否则将各适宜性类别聚类的新聚类中心，更新为各适宜性类别聚类的聚类中心，并返回步骤；步骤E.按聚类后每个类别的像素点的个数，实现各适宜性类别的重分类。

【技术特征摘要】
1.一种地理适宜性的聚类划分方法，其特征在于，包括如下步骤：步骤A.对由地理适宜性分析得到的适宜性综合得分图采用四分位数初始分类操作，得到像素增强后的适宜性综合得分图，并进入步骤B；步骤B.针对像素增强后的适宜性综合得分图，随机生成四个聚类中心，并进入步骤C；步骤C.对像素增强后的适宜性综合得分图中的像素点进行聚类操作，根据像素与聚类中心之间的欧式距离，将每个像素点划分至对应的适宜性类别中，并进入步骤D；步骤D.获得各适宜性类别聚类的新聚类中心，判断新聚类中心与上一次聚类中心的位置是否保持基本稳定，是则进入步骤E；否则将各适宜性类别聚类的新聚类中心，更新为各适宜性类别聚类的聚类中心，并返回步骤；步骤E.按聚类后每个类别的像素点的个数，实现各适宜性类别的重分类。2.根据权利要求1所述一种地理适宜性的聚类划分方法，其特征在于，所述步骤A包括如下步骤：步骤A1.针对适宜性综合得分图，对图中的每一个灰度像素值，进行Z-Score标准化，公式如下：z＝(xi-μ)/σ式中，xi为栅格图像的像素值，μ为均值，σ为标准差；步骤A2.对经过标准化处理的适宜性综合得分图，计算图中所有灰度像素值的最小值、1/4分位数、中位数、3/4分位数和最大值，然后进入步骤A3；步骤A3.针对适宜性综合得分图中各像素点的灰度值按由小至大进行排序，获得最大灰度值的像素点和最小灰度值的像素点；同时，根据排序获得1/4分位数处预设分位数的位置、中位数处预设分位数的位置以及3/4分位数处预设分位数的位置，其中，由高到低的各分位数区间与适宜性由高到低的适宜性类别顺序一一对应，还包括统计各区间内的像素个数，并进行排序；步骤A4.针对预设分位数区间所包含的各像素点的灰度值，均扩大至各适宜性类别所对应的预设增量值，完成对适宜性综合得分图上的各像素点灰度值的更新；其中，根据适宜性由...

【专利技术属性】
技术研发人员：闻平，葛莹，高海峰，吴小东，王冲，鲍倩，桂林，陈昌黎，杨文，
申请(专利权)人：中国电建集团昆明勘测设计研究院有限公司，河海大学，
类型：发明
国别省市：云南,53