[发明专利]一种基于K-medoids算法的地理适宜性分类方法

说明书

本发明涉及一种基于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。

技术领域

本发明涉及一种基于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领域。

背景技术

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。

发明内容

本发明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。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于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。

作为本发明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。

作为本发明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。