ABSTRACT

Clustering is a central concern in geographic data science and reflects a large, active domain of research. In spatial clustering, it is often challenging to balance two kinds of ‘goodness of fit:’ clusters should have ‘feature’ homogeneity, in that they aim to represent one ‘type’ of observation, and also ‘geographic’ coherence, in that they aim to represent some detected geographical ‘place’. This divides ‘map typologization’ studies, common in geodemographics, from ‘regionalization’ studies, common in spatial optimization and statistics. Recent attempts to simultaneously typologize and regionalize data into clusters with both feature homogeneity and geographic coherence have faced conceptual and computational challenges. Fortunately, new work on spectral clustering can address both regionalization and typologization tasks within the same framework. This research develops a novel kernel combination method for use within spectral clustering that allows analysts to blend smoothly between feature homogeneity and geographic coherence. I explore the formal properties of two kernel combination methods and recommend multiplicative kernel combination with spectral clustering. Altogether, spatially encouraged spectral clustering is shown as a novel kernel combination clustering method that can address both regionalization and typologization tasks in order to reveal the geographies latent in spatially structured data.

摘要

聚类是地理数据科学的一个核心问题，反映了一个庞大而活跃的研究领域。在空间聚类中，平衡两种“拟合优度”通常具有挑战性：聚类应该具有“特征”同质性，因为它们旨在表示一种“类型”的观察，以及“地理”一致性，因为它们旨在代表一些检测到的地理“地点”。这将地理人口学中常见的“地图类型化”研究与空间优化和统计中常见的“区域化”研究分开。最近尝试同时将数据类型化和区域化为具有特征同质性和地理一致性的集群，但面临着概念和计算方面的挑战。幸运的是，谱聚类的新工作可以在同一框架内解决区域化和类型化任务。这项研究开发了一种新的核组合方法，用于光谱聚类，使分析人员能够在特征同质性和地理相干性之间平滑地融合。我探索了两种核组合方法的形式特性，并推荐了具有谱聚类的乘法核组合。总而言之，空间激励谱聚类被显示为一种新的内核组合聚类方法，可以解决区域化和类型化任务，以揭示空间结构化数据中的潜在地理信息。这项研究开发了一种新的核组合方法，用于光谱聚类，使分析人员能够在特征同质性和地理相干性之间平滑地融合。我探索了两种核组合方法的形式特性，并推荐了具有谱聚类的乘法核组合。总而言之，空间激励谱聚类被显示为一种新的内核组合聚类方法，可以解决区域化和类型化任务，以揭示空间结构化数据中的潜在地理信息。这项研究开发了一种新的核组合方法，用于光谱聚类，使分析人员能够在特征同质性和地理相干性之间平滑地融合。我探索了两种核组合方法的形式特性，并推荐了具有谱聚类的乘法核组合。总而言之，空间激励谱聚类被显示为一种新的内核组合聚类方法，可以解决区域化和类型化任务，以揭示空间结构化数据中的潜在地理信息。