PDF-Download - Deutsche Geodätische Kommission
PDF-Download - Deutsche Geodätische Kommission
PDF-Download - Deutsche Geodätische Kommission
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
84 KAPITEL 7. HIERARCHISCHES NACHBARSCHAFTSGRAPHEN CLUSTERING<br />
A B C D E<br />
A 0 1 1 4 3<br />
B 1 0 2 ∞ 3<br />
C 1 2 0 5 4<br />
D 4 ∞ 5 0 2<br />
E 3 3 4 2 0<br />
Tabelle 7.1: Beispiel für eine Distanzmatrix<br />
A<br />
1<br />
C<br />
A<br />
1<br />
C<br />
A<br />
1<br />
C<br />
1<br />
1<br />
3<br />
1<br />
3<br />
B<br />
E<br />
2<br />
D<br />
B<br />
E<br />
2<br />
D<br />
B<br />
3<br />
E<br />
2<br />
D<br />
(a) NNG<br />
(b) MST<br />
(c) RNG = GG<br />
Abbildung 7.7: Die aus Tabelle 7.1 abgeleiteten Nachbarschaftsgraphen.<br />
7.8.1 Verknüpfung von vektoriellen und qualitativen Daten<br />
Lassen sich Daten in einen vektoriellen und in einen qualitativen Anteil aufteilen, wie es im allgemeinen bei<br />
raumbezogenen Daten der Fall ist, dann bieten sich zwei Möglichkeiten an, um unser Verfahren auf solche Daten<br />
anzuwenden.<br />
1. Qualitativ gewichtete Triangulierung der vektoriellen Daten.<br />
2. Erweiterung der n-dimensionalen vektoriellen Daten um eine Dimension, die die Distanz oder Ähnlichkeit<br />
der qualitativen Daten zu einem Referenzobjekt darstellt.<br />
Im ersten Fall erzeugen wir die Nachbarschaftsgraphen (NNG, MST, RNG, GG und DT) für den n-dimensionalen<br />
vektoriellen Datenanteil und gewichten dann die berechneten Kantenlängen (Distanzen) mit der Distanz des<br />
qualitativen Anteils. Wie diese Gewichtung durchgeführt wird (multiplikativ oder additiv), hängt vom jeweiligen<br />
Anwendungsfall ab. Unser Clusterverfahren kann dann auf den so berechneten gewichteten Graphen angewendet<br />
werden. Besteht der vektorielle Datenanteil aus polyederförmigen Objekten, hat man wie in Abschnitt 7.7<br />
vorzugehen.<br />
Im zweiten Fall geht man davon aus, dass man ein sogenanntes Referenzobjekt angeben kann und verwendet die<br />
qualitative Distanz der Objekte zu dem gegebenen Referenzobjekt, um den n-dimensionalen Raum des vektoriellen<br />
Anteils um eine Dimension zu erhöhen. Jedes Objekt ist dann eindeutig in einem (n + 1)-dimensionalen<br />
Raum beschrieben, auf den dann unser Verfahren angewendet werden kann. Diese Vorgehensweise ist natürlich<br />
immer nur dann anwendbar, wenn ein solches Referenzobjekt geeignet anzugeben ist und eine Gruppierung<br />
relativ zu diesem Objekt gewünscht ist. Ein Beispiel dafür wäre die Gruppierung von Gebäuden relativ zu<br />
Wohngebäuden, um Gebäudegruppen zu erhalten, die mehr oder weniger ähnlich zu Wohngebäuden sind, etwa<br />
um die Siedlungsstruktur einer Stadt oder Region zu analysieren.<br />
7.9 Berechnung der Randbeschreibung eines Clusters<br />
Die Randbeschreibung eines Clusters lässt sich anhand der inneren und äußeren Kantenmenge sehr einfach<br />
ermitteln, wenn eine Delaunay-Triangulation zur Verfügung steht. Jede innere Kante eines Clusters, die zu<br />
einem Dreieck der Delaunay-Triangulation gehört, dessen beide anderen Kanten äußere Kanten des Clusters<br />
sind, ist eine Kante der Randbeschreibung des Clusters. In einem weiteren Schritt muss diese Kantenmenge