空间数据挖掘模型和方法研究

本文提出一个基于空间数据仓库的空间数据挖掘模型，讨论了空间关联规则发现、空间分类发现、空间聚类发现和空间数据总结等四类空间数据挖掘任务的目标、采用的挖掘方法和空间采样数据的处理方法。最后，从基于空间数据仓库的数据挖掘角度出发，提出有待深入研究和探索的问题。     

基于空间数据仓库的空间数据挖掘研究

在讨论空间数据挖掘的相关技术对空间数据挖掘影响的基础上 ,提出一个基于空间数据仓库的空间数据挖掘模型 ,从基于空间数据仓库的数据挖掘角度出发 ,提出有待深入研究和探索的问题 .     

空间聚类技术研究综述

空间数据挖掘是一种获取空间数据所蕴含知识的方法和技术.空间聚类是空间数据挖掘的重要研究内容,有着广泛的应用领域.介绍了空间聚类算法的分类和性能要求、空间聚类过程和方法.空间聚类算法主要有基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及其它形式的空间聚类算法.     

空间数据挖掘在CRM中的应用

为提高客户关系管理水平,提出建立空间型智能CRM,并给出了基于空间关联规则的空间数据仓库知识发现算法,最后通过一个实例证明了该模型和算法的可行性。     

不确定性空间数据挖掘算法模型

在分析空间数据和空间数据挖掘的不确定性基础上，针对传统空间数据挖掘的局限性，将空间数据的不确定性和空间数据挖掘的不确定性有机结合，以EM算法和Apriori算法为基础，建立了不确定性空间数据挖掘算法模型，包括不确定性空间数据聚类算法（UNEM）和不确定性空间数据关联规则挖掘模型（USAR）．并以中国37个有代表性的大中城市的地理空间经济数据为例，进行实验验证，结果表明：采用不确定性空间数据挖掘算法模型比传统的空间数据挖掘方法得到的知识更为真实客观．     

SDM与GIS的集成模式探讨

结合GIS和SDM,论述了要从海量空间数据中发现隐含的、有价值的潜在知识,必须采用新的手段和方法.讨论了空间数据挖掘与GIS集成,提出了3种可行的集成模式:外连接模式、内连接模式、内嵌模式.     

空间数据挖掘与GIS集成研究及应用

如何从复杂的空间数据中提取有价值的信息已经成为一个非常迫切的问题。空间数据挖掘的出现为解决该问题提供了一种新的思路。分析了空间数据挖掘与GIS集戍的必要性与可行性,总结了两者集成模式的3 种形式,提出了一种集成体系结构。该体系结构实现了空间数据挖掘与GIS的完全集成,能够较好地解决空间数据共享以及空间数据可视化问题,从而提高了数据挖掘与知识发现的效率。空间关联规则是空间数据挖掘的一个重要功能,它可以把空间数据库中的数据转化为知识。通过对空间数据信息进行分析,选用数据挖掘中的关联规则算法,实现了该集成结构的工作过程。     

基于数据挖掘的知识发现在MDSS中的应用研究

主要讨论基于数据挖掘技术的知识发现在军事决策支持系统中的应用,提出了基于数据挖掘的知识发现方法,建立了知识向量集的拓扑空间概念并提出了基于拓扑空间向量集的不确定性知识表示方法.     

GIS与可视化SDM技术集成问题探讨

随着地理信息获取技术飞速发展，使得当前存储在空间数据库中的空间数据的深度和广度得到了前所未有的发展．为了解决GIS目前面临的“数据爆炸但知识贫乏”的难题，在介绍GIS发展现状等相关问题、空间数据挖掘技术、可视化技术的基础上，分析了GIS中数据挖掘的过程、特点及其相关技术支持，探讨了可视化技术在GIS数据挖掘中的重要作用．对GIS与可视化交互空间数据挖掘集成技术进行了初步的研究，分析阐述了GIS与SDM集成的必要性、集成模式和集成路线，提出了一个以GIS为中心的二者集成的体系结构。     

一种基于网格的障碍约束下空间聚类算法

障碍约束下的空间聚类问题具有很强的实用价值，是近几年来空间数据挖掘研究领域的一个热点，研究和分析了现有的障碍约束空间聚类算法，针对其中存在的问题，提出了一种新的基于密度和网格的障碍约束下空间聚类算法，该算法在CLICQU算法的基础上，引入障碍网格的概念和障碍物的网格化表达，使其能够处理任意形状的障碍约束聚类，通过理论分析和实验验证，该算法具有较好的时间复杂度和聚类效果。