空间数据挖掘理论及方法的探讨

本文概述了数据挖掘、空间数据库和空间数据挖掘的理论,分析了空间数据挖掘的层次,总结了空间数据挖掘的常用方法。     

空间数据挖掘理论及方法的探讨

本文概述了数据挖掘、空间数据库和空间数据挖掘的理论，分析了空间数据挖掘的层次，总结了空间数据挖掘的常用方法。     

基于Agent的分布式空间数据挖掘研究

在介绍数据挖掘、空间数据挖掘、Agent技术的概念和特点的基础上,将Agent技术引入分布式空间数据挖掘.提出了基于Agent的分布式空间数据挖掘系统结构图,并介绍了基于Agent的分布式空间数据挖掘过程.     

空间数据挖掘技术研究

空间数据挖掘是从大量的空间数据中发现有用知识和模式的技术,本文重点研讨了空间数据挖掘的知识和方法,在此基础上指出空间数据挖掘存在的问题,并提出空间数据挖掘今后的理论发展趋势。     

空间数据挖掘的研究进展

随着现代科学技术的迅速发展,复杂多变的空间数据日益膨胀,远远超出人们的解译能力,迫切需要新的数据挖掘技术和知识为其提供方法。文章从空间数据挖掘的基本概念出发,详细阐述了空间数据挖掘的特点、可发现的知识类型以及进行空间数据挖掘的主要方法,并给出了一种基于多组件空间数据挖掘的体系结构。最后,还对空间数据挖掘的进一步发展做了展望。     

空间数据挖掘方法分析

空间数据挖掘是数据挖掘与空间数据库相结合的产物．由于空间数据的复杂性特点使得空间数据挖掘比一般数据挖掘要复杂得多。本文从挖掘任务和挖掘方法的角度，重点分析了空间分类、空间聚类以及空间关联规则三种挖掘方法，指出它们的优缺点和适用的问题空间，最后指明空间数据挖掘需要在挖掘精度、算法效率、数据挖掘方法和任务的多样性以及数据挖掘的不确定性等方面进一步完善。     

用云解释空间数据挖掘的有关问题

空间数据挖掘正在兴起,该文分析了空间数据挖掘中从数据到知识、粒度和尺度等有关问题,构筑了空间数据挖掘金字塔,并利用云模型予以解释和表达。     

一种空间数据挖掘查询索引的研究及应用

从数据库技术角度出发,对空间数据挖掘查询的数据库支持技术和空间数据挖掘系统与GIS数据库的集成技术进行了研究;首先介绍了空间数据挖掘与GIS的关系,及目前在该领域存在的一些问题和缺陷;然后提出了一种支持空间数据挖掘查询的索引和数据访问方法——距离方向连接索引(Distance-Direction associated Join Indices,DDJI),并给出了基于这种索引技术的空间数据挖掘算法及实现技术,研究了基于DDJI的各种空间数据挖掘算法的统一实现技术;实验研究证明,与传统方法相比,DDJI的实现方法在性能上具有较大优势。     

SDSS中空间数据挖掘部件的设计与实现

空间数据挖掘就是从空间数据库中抽取隐含的知识、空间关系或空间数据库中存储的其他隐含模式的过程。空间数据挖掘在地理信息系统、空间遥感、测绘、资源和环境管理等很多领域都有广泛的应用前景。论文对空间数据挖掘的一些主要技术进行研究和探讨,介绍了基于这些技术设计实现的一个空间数据挖掘部件。     

空间数据挖掘技术的研究现状与发展趋势*

简要介绍了空间数据挖掘技术的产生背景和发展现状,对空间数据挖掘的体系结构和系统原型进行了概述,总结了空间数据挖掘近年来的研究方法及面临的主要问题,并对下一步的发展方向进行了展望。     

基于MapX的空间数据挖掘模型及其应用

利用Mapx控件对GIs数据强大的操作与处理功能，将Mapx应用到空间数据挖掘中，构建了基于MapX的空间数据挖掘模型。通过该模型可以方便的对空间数据与非空间数据进行操作处理，以及空间对象之间的拓扑关系与距离信息等进行判定，从而解决了空间数据挖掘中数据整合与数据预处理的问题。概念泛化技术应用于数据预处理中，构建了概念层次树。关联规则算法有效应用于空间数据挖掘中．荻取了有用的知识。     

空间数据挖掘关键问题研究

With the rapid development of remote sensing and mapping technology and the widespread application of spatial database system, the spatial data collected and stored by human expand increasingly. These very large datasets far exceed human's capabilities of comprehending and handling, so the requirement of spatial data mining to pro-vide human with valuable information becomes in stant need. In this paper, the methods of spatial data handling in spatial data mining are discussed from a database perspective, the key problems of spatial data mining and their solu-tions in current study are presented, the relations between spatial data mining and geographical information system are analyzed.     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

空间数据挖掘发展研究

空间数据挖掘是指对空间数据库中非显式存在的知识、空间关系或其它有意义的模式等的提取,在地理信息系统、地理市场、遥感、图像数据勘测、医学图像处理、导航、交通控制、环境研究等各种领域有着广泛的应用。该文从空间数据挖掘的定义、过程、特征和任务等方面对空间数据挖掘技术进行了研究,并介绍了一个空间数据挖掘原型—GeoMiner和未来的研究方向。     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展,复杂多变的空间数据日益膨胀,远远超出人们的解译能力,迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发,详细阐述了空间数据的特点、空间邻接关系及其相关操作,并针对空间邻接关系给出了几种典型的空间数据挖掘方法。     

基于校园GIS的空间数据挖掘系统原型

为了建立数字校园信息平台,必须对校园GIS数据进行分析和挖掘。文中提出将校园GIS与数据挖掘系统进行集成,空间数据库系统负责空间信息抽取,GIS实现对挖掘结果进行可视化显示。搭建一个空间数据挖掘原型系统模型,利用设计的挖掘算法,挖掘出空间数据库中隐含的知识,并将空间数据挖掘结果进行可视化输出。该原型系统已成功应用于某高校校园GIS,不仅可以挖掘显示知识（校园每个教学楼的上座率）,还可以发现隐藏在校园GIS中的隐式知识,是对现有空间数据挖掘系统的有益改进和补充。     

城市地下管网GIS中的空间数据挖掘模型设计

GIS在城市地下管网中的广泛应用导致了管网数据库中数据量的急剧增长。为提高城市地下管网的管理水平，更好地从管网数据库中采集有价值的知识，将空间数据挖掘技术运用到地下管网GIS系统是一种行之有效的方法。介绍GIS和空间数据挖掘结合的必要性，分析了基于空间数据仓库实施空间数据挖掘的理论依据，给出了一个实用的城市地下管网GIS空间数据挖掘模型。该模型可有效地在管网GIS中实现挖掘功能，使GIS具备一定的智能化特征。     

基于Rough Set的空间数据分类方法

近来,数据采掘的研究已从关系型和事务型数据库扩展到空间数据库.空间数据采掘是一个很有发展前景的领域,其中空间数据分类的研究尚处在起步阶段.该文分析和比较了现有的几个空间数据分类方法的利和弊,提出利用Rough Set的三阶段空间分类过程.实验结果表明,该算法对于解决包含不完整空间信息的问题是有效的.     

基于交叉覆盖设计算法的空间分类挖掘

空间数据库中存储了大量的空间和非空间数据,并且隐含了丰富的知识。为了从空间数据库中发现有价值的模式和知识,文中介绍了空间数据分类挖掘的研究现状和方法,及M-P神经元的超球领域几何意义,然后将多层前向神经网络的交叉覆盖设计算法应用于空间数据分类挖掘中,用来预测和分析森林覆盖类型,实验得到了很好的效果。     

An approach to active spatial data mining based on statisticalinformation

Spatial data mining presents new challenges due to the large size of spatial data, the complexity of spatial data types, and the special nature of spatial access methods. Most research in this area has focused on efficient query processing of static data. This paper introduces an active spatial data mining approach that extends the current spatial data mining algorithms to efficiently support user-defined triggers on dynamically evolving spatial data. To exploit the locality of the effect of an update and the nature of spatial data, we employ a hierarchical structure with associated statistical information at the various levels of the hierarchy and decompose the user-defined trigger into a set of subtriggers associated with cells in the hierarchy. Updates are suspended in the hierarchy until their cumulative effect might cause the trigger to fire. It is shown that this approach achieves three orders of magnitude improvement over the naive approach that reevaluate the condition over the database for each update, while both approaches produce the same result without any delay. Moreover, this scheme can support incremental query processing as well