[发明专利]基于地理位置的数据聚类挖掘系统及方法

权利要求书

1.一种基于地理位置的数据聚类挖掘方法，其特征在于，该方法包括： 

选择待处理数据； 

利用最优K值分析法对待处理数据进行最优K值选取； 

利用选取的最优K值运用聚类算法对待处理数据进行聚类分析； 

将聚类分析结果与地理信息系统中的地理信息进行结合，并显示结合后的聚类结果。 

2.如权利要求1所述的一种基于地理位置的数据聚类挖掘方法，其特征在于，所述聚类算法为K-Means或K-Medoids聚类算法。 

3.如权利要求2所述的一种基于地理位置的数据聚类挖掘方法，其特征在于，所述K-Means算法包括步骤： 

S1、利用归一化公式对所有待处理数据R进行归一化处理 

S2、在归一化处理后的数据中随机选取K个初始聚类的质心点为μ₁,μ₂,…….μ_K∈R 

S3、利用欧几里得距离计算每个数据与各个聚类质心点的距离； 

S4、把每个数据分配给距离它最近的聚类质心点，将组成新的聚类； 

S5、重新计算新的聚类的聚类质心点； 

S6、当步骤S3中所述的欧几里得距离d_ij∠0.001时，聚类完毕。 

其中，X_i^*代表归一化处理后的数据，X_i代表归一化处理前的待处理数据，max_i代表待处理数据中的最大值，min_i代表待处理数据中的最小值，j代表每个类，μ_j代表每个类的聚类质心点，d_ij代表每个数据与其聚类质心点之间的距离，代表某个类的数据，μ_jk代表某个类的聚类质心点。 

4.如权利要求2所述的一种基于地理位置的数据聚类挖掘方法，其特征在于，所述K-Medoids算法包括步骤： 

S1、利用归一化公式对所有待处理数据R进行归一化处理 

S2、在归一化处理后的数据中随机选取K个初始聚类的质心点为μ₁,μ₂,…….μ_K∈R 

S3、利用欧几里得距离计算每个数据与各个聚类质心点的距离； 

S4、把每个数据分配给距离它最近的聚类质心点，将组成新的聚类； 

S5、重新计算新的聚类的聚类质心点，并计算该类中其他数据到该质心点的欧几里得距离； 

S6、选取欧几里得距离最小的点作为聚类质心点； 

S7、当步骤S5计算的聚类质心点与步骤S7计算的聚类质心点相同时，聚类完毕。 

其中，X_i^*代表归一化处理后的数据，X_i代表归一化处理前的待处理数据，max_i代表待处理数据中的最大值，min_i代表待处理数据中的最小值，j代表每个类，μ_j代表每个类的聚类质心点，d_ij代表每个数据与其聚类质心点之间的距离，代表某个类的数据，μ_jk代表某个类的聚类质心点。 

5.一种基于地理位置的数据聚类挖掘系统，其特征在于，该系统包括： 

数据库模块，用于导入待处理数据； 

K值选取模块，用于根据所述待处理数据选取最优K值； 

聚类分析模块，利用选取的最优K值运用聚类算法进行聚类分析； 

地理信息显示模块，将聚类分析结果与地理信息系统中的地理信息进行结合，并显示结合后的聚类结果。 

6.如权利要求5所述的一种基于地理位置的数据聚类挖掘系统，其特征在于，所述数据库模块采用最优K值分析法进行最优K值的选取。 

7.如权利要求5所述的一种基于地理位置的数据聚类挖掘系统，其特征在于，所述地理信息显示利用OpenMap工具包，对聚类分析结果进行地理位置信息的整合与输出。 

8.如权利要求5所述的一种基于地理位置的数据聚类挖掘系统，其特征在于，所述系统还包括界面显示模块，用于显示数据库登陆界面、数据导入界面、聚类算法界面。