气候分区是根据某些气象要素对特定区域进行划分,在农业生产和建筑节能领域都有着重要的应用价值。现有的气候分类方法大多只考虑一个气候变量,而在实际应用中,我们需要同时考虑多个气候变量综合起来对气候分类所产生的影响。因此,对气候分类的研究是一个非常重要的课题。本文将研究多视角聚类方法在气候分区中的应用,主要工作如下:选取中国661个气象台站的部分气象数据,对相对湿度、大气压、日照时数、日平均温度和气温日较差5个气象要素进行相关性检验,并计算它们之间的最大信息系数,计算结果表明所选取的气象要素不存在较强的相关性,有利于进行多视角聚类。使用多视角低秩稀疏子空间聚类方法对中国气候分区。建立多视角低秩稀疏子空间聚类模型,使用交替方向乘子法对模型进行求解。分别基于线性核函数和高斯核函数,对所选气象台站进行多视角聚类,并将聚类结果与k均值聚类结果进行对比,证明了所提方法分区结果的合理性。对各气候区的空调度日数、采暖度日数、最冷月平均温度和最暖月平均温度进行统计分析。实验结果表明,该方法能有效地对中国气候进行分区。建立结合特征权重和局部结构的多视角子空间聚类模型,同时考虑到各视角的全局结构与局部结构,并运用交替方向乘子法对模型进行求解。将上述方法应用到中国气候分区,对各气候区的空调度日数、采暖度日数、最冷月平均温度和最暖月平均温度进行了统计分析。实验结果表明,划分的各气候区具有明显边界,故该方法能有效地对中国气候进行分区。