GML时空聚类算法性能综述  

Overview of GML Performance of Clustering Algorithm

作　　者：宋爱琪[1] 刘晓红[1] 吴国洋[1] 

机构地区：[1]江西理工大学建筑与测绘工程学院,江西赣州341000

出　　处：《测绘标准化》2011年第4期9-11,共3页Standardization of Surveying and Mapping

基　　金：国家自然科学基金项目(40971234)

摘　　要：如何选取有效的聚类算法或者扩展算法让GML数据发挥更大的作用是数据挖掘的一项重要任务。分析GML成功应用于各领域带来的一系列问题,提出研究GML数据挖掘的意义,通过研究经典的聚类算法,从算法的效率、可伸缩性、对噪声的敏感性和复杂度等多个方面对聚类算法的性能进行比较,这对GML聚类挖掘算法的设计具有积极意义。

关 键 词：数据挖掘 聚类算法 算法性能 GML 

分 类 号：P208[天文地球—地图制图学与地理信息工程]