李 欣,孟德友

(1.河南财经政法大学 中原经济区“三化”协调发展河南省协同创新中心，河南 郑州 450046;2.河南财经政法大学 资源与环境学院，河南 郑州 450046)

时空大数据分布式增量IMSTDCA聚类方法研究

李 欣1,2,孟德友1,2

(1.河南财经政法大学 中原经济区“三化”协调发展河南省协同创新中心，河南 郑州 450046;2.河南财经政法大学 资源与环境学院，河南 郑州 450046)

时空聚类分析是对时空大数据进行利用的一种有效手段，目前传统聚类算法存在着大规模分布数据难以处理，海量数据处理时间较长，确定参数困难，聚类质量较差等缺陷。因此，提出一种分布式增量聚类流程DICP，利用广域网分布增量聚类方法，避免大量数据的传输拷贝，有效提升聚类运算效率。对于DICP流程中的时空数据聚类算法本身，研究了一种大数据环境下的IMSTDCA时空数据聚类算法，借助密度聚类的思想，通过时空数据的聚集趋势预分析、时空数据聚类算法，以及时空数据聚类结果评价3个步骤完成聚类分析，实现时空大数据的快速高效信息挖掘。

时空数据；大数据；聚类分析；增量聚类；时空邻域

在当代社会发展中，互联网和传感器网正在产生越来越多的和时空位置有关的社会活动数据，这些海量多元数据称为时空大数据[1]。

时空数据挖掘是利用时空大数据最为有效的一种手段，其中的时空聚类分析是地理信息科学与云计算交叉学科的一个重点研究课题[2]。目前已经产生了很多对于时空大数据进行管理分析的研究成果，但针对大数据环境下的时空聚类分析方法研究，仍然没有解决分布式海量数据挖掘效率的问题，以及很好地适应时空数据的耦合性、关联性、异质性问题。……