摘要: 空间聚类是挖掘空间分布模式与探测空间异常的重要手段,已成为空间数据挖掘与知识发现领域的一个主要研究方向。随着空间聚类技术研究与应用的深入,迫切需要发展能够普适性的空间聚类算法。该算法一方面能够适应海量、分布复杂的空间数据(如任意形状的空间簇、噪声点及空间密度变化),另一方面又能够综合考虑空间邻近与专题属性相似,且人为干预较少。为此,本文借助Delaunay三角网构建空间邻近关系的优势,通过施加不同层次、不同类型的约束,提出了一种空间聚类的新算法。通过实验分析与比较发现,该算法可以探测复杂结构的空间簇,对噪声点稳健,并且能够同时顾及实体间空间位置与专题属性的相似性,从而验证了本文算法的有效性与优越性。