[发明专利]设计等值域图

说明书

技术领域

本发明特别涉及地图设计领域，并且特别涉及用于设计等值域图的计算机实现的方法、计算机程序、以及系统。

背景技术

在地理信息系统(GIS)中经常使用等值域图。其涉及在地图上表示统计变量的问题，地图的每个区域上的统计变量的值由颜色强度表示。正在被显示的统计变量可以具有不同的特性(人口密度、居民汽车数量、降雨量、疾病比例)。

在此上下文中，在这种表示中，在被选择的强度集合中进行选择是最初工作。用于这种选择的背景技术的两种主要算法是Jenks/Fisher的自然分解优化(如在Jenks的文章“TheDataModelConceptinStatisticalMapping”，1967，以及Fisher的文章“Ongroupingformaximumhomogeneity”，1958中所描述的)和头-尾分解(如在Lin和Yue的文章“Acomparisonstudyonnaturalandhead/tailbreaksinvolvingdigitalelevationmodels”，2013，以及Jiang和Bing的文章“Head/tailbreaksforvisualizingthefractalorscalingstructureofgeographicfeatures”，2014或“Ht-indexforquantifyingthefractalorscalingstructureofgeographicfeatures”中所描述的)。这些解决方案实际上基于群集分析算法。使用群集分析的等值域图系统的其他示例包括文献US20050278182A1、US8412419B1、以及US8510080B2。

等值域图的设计以一种方式涉及量化(即，根据预定距离，由预定的值的集合中的值中最接近的一个值来替换输入值)。实际上，地图的区域被分组到一起，并且针对这样的区域的统计变量的值相应地由该分组的代表值替换。这样的整体框架涉及更一般的群集分析领域。

群集分析涉及将一组对象划分成分组(称为群集)的任务，以使得在每个分组中数据是相似的(参考Jain等的文章，“DataClustering:AReview”)。其作为数据挖掘(参考文章Chen等的文章，“Datamining:anoverviewfromadatabaseperspective”)、机器学习(参考Murphy的书“MachineLearning,AProbabilisticPerspective”)、以及大规模搜索(参考Goodrum的文章“ImageInformationRetrieval:AnOverviewofCurrentResearch”)中的核心问题而出现。群集分析是用于量化的重要工具：将中心分配各每个群集，就具有了由将每个点量化成其群集的中心构成的简单量化。

K均值聚类问题是群集分析的最著名的问题，并且作为用于脉冲编码调制的技术于1957年在贝尔实验室由StuartLloyd引入。Lloyd算法将p维点的集合作为输入，并且输出对这些点的划分，该划分的目标是使“总失真”最小化。该算法只是试探性的(其不提供最优聚类)。但实际上我们不能期望精确的算法，这是因为K均值聚类问题在非一维的情况下是NP困难的。当前，Lloyd算法仍然被广泛使用。已经提出了多种变型(参考J.A.Hartigan(1975),“Clusteringalgorithms”,JohnWiley&Sons,Inc.”)。