空间数据采掘的研究与发展

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的领域,它是在大量空间数据中进行知识发现的技术。文中总结了空间数据采掘领域中的研究成果,概括出空间数据采掘的体系结构、查询语言及相关方法,并探讨了目前存在的问题和发展方向。     

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.     

智慧矿山空间数据库建设研究

在分析矿山空间数据的组成和特征基础上,探讨了智慧矿山空间数据库建设模式;从空间数据基准、空间数据分类编码标准和元数据标准3个方面阐述了智慧矿山空间数据框架的构建;详细介绍了矿山空间数据库的基础数据库、主题数据库和元数据库设计的主要内容,指出了今后空间数据库建设还需要研究的内容,包括矿山空间数据库建库及数据更新的理论与方法、空间数据库框架及内容、矿山数据标准等。     

GIS中空间数据结构和空间数据模型一体化研究

空间数据结构和空间数据模型是研究GIS和空间数据库的核心内容。本文对GIS中的空间数据结构和空间数据模型从定义、分类到发展，进行了一体研究，并且详细阐述了空间数据结构和空间数据模型之间的关系和区别。最后给出了体现两者紧密联系的一个关于军事空间数据库系统的实例。     

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。     

面向对象的全关系型GIS空间数据库设计研究

空间数据不仅具有位置相关的空间特征,还具有面向普通对象的属性特征,空间数据的特殊性决定了在关系模型中空间数据很难被直接表达出来.采用面向对象的全关系数据库来对空间数据进行存储在技术上和理论上都具有一定的意义.对空间数据库的研究现状及需求进行了分析,对GIS空间数据库特点进行了研究,在GIS空间数据库关键技术的基础上,提出了面向对象的全关系型GIS空间数据库设计方案并进行了研究.     

GIS中空间数据结构综述

空间数据库是当前地理学、计算机科学等多个学科共同研究的热点,地理信息系统是空间数据库应用的一个领域．空间数据结构是空间数据库的基础,对它们的分类、各自特点,之间的联系等进行综述。     

空间数据索引与查询的研究

空间数据库在当今社会经济发展中的作用变得日趋重要,对其进行的研究也日趋迫切。对空间索引及其发展分类、空间数据查询及其与传统关系数据库的区别进行了研究,并对优化空间索引和空间数据查询的研究思路进行了分析说明。     

空间数据库中的优化空间查询算法研究

空间对象存储在空间数据库中,它们由空间数据和属性数据来共同描述.空间数据描述空间对象的位置、形状和分布特征等空间信息,属性数据描述空间对象的名称、专题属性等非空间信息.由于空间数据量的庞大以及空间对象、空间查询的高度复杂性,空间查询优化成为了空间数据库应用的难点和研究热点.本论文以优化空间数据的查询为研究对象,针对过滤和求精两个步骤的处理过程的优化,进行了各种优化算法的研究.     

M-相点数据索引SPindex

空间数据索引是空间数据管理的关键技术,其性能决定空间数据库的使用效率.由于可将时间维度转化为空间维度处理,空间数据索引在时空数据库和移动对象数据库管理方面有广泛的应用.因此研究空间数据索引具有理论意义和应用价值.现有空间索引多是基于R-树技术,为快速有效地访问海量空间数据,提出一种基于空间相点分析的空间数据索引方法SPindex.首先,将空间区域所对应的最小外接矩形(MBR)集合与相平面中相点集合建立对应;其次,通过相点关系对相应MBR进行相互位置分析,进而提出一种基于相点的空间数据结构MROB;以此为基础,提出一种新的基于M-相点分析的空间数据索引SPindex;最后,通过与常规索引进行实验,评估表明了该工作的可行性与有效性.     

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。     

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。     

关联规则在空间数据挖掘中的应用及实现

空间数据挖掘是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它信息的方法。空间关联规则是空间数据挖掘的一个重要研究领域,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。在分析空间关联规则的基础上,用基于关联规则的逐步求精挖掘算法,得出空间数据库中的隐含知识,通过实例证明其方法的可行性。     

基于关联规则的空间数据知识发现及实现

空间数据挖掘就是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它模式的方法。空间关联规则是空间数据挖掘的一个重要表现形式，利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文在分析空间关联规则的基础上，用基于关联规则的逐步求精挖掘算法，得出空间数据库中的知识，通过实例证明其方法的可行性。     

一个面向大规模数据库的数据挖掘系统

数据挖掘融合了数据库技术、人工智能和统计学,是目前的研究热点.为了能够集成当前数据挖掘的主要技术并使它们协同工作,在进行数据挖掘基本算法研究的基础上研制开发了一个数据挖掘系统--Golden-Eye.系统实现了在数据挖掘研究中的一些最新成果,集成了泛化、数据清洗这两个数据准备操作以及关联规则发现、例外规则发现、时序模式发现、分类器构造、聚类分析等基本数据挖掘操作,并实现了对挖掘操作的基本管理和结果的图形化显示.整个框架设计充分体现了系统的完整性、协调性和高效性:自底向上将存储控制模块、数据预处理模块、挖掘操作模块、挖掘库管理模块有机地结合在一起,在底层实现了对包括中间结果在内的数据的统一管理,在上层为用户提供了可视化的界面.实验结果表明,该系统能够在大规模数据库上成功地完成用户所指定的数据挖掘操作.     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

Approaches for scaling DBSCAN algorithm to large spatial databases

The huge amount of information stored in datablases owned by coporations(e.g.retail,financial,telecom) has spurred a tremendous interest in the area of knowledge discovery and data mining.Clustering.in data mining,is a useful technique for discovering intersting data distributions and patterns in the underlying data,and has many application fields,such as statistical data analysis,pattern recognition,image processsing,and other business application,s Although researchers have been working on clustering algorithms for decades,and a lot of algorithms for clustering have been developed,there is still no efficient algorithm for clustering very large databases and high dimensional data,As an outstanding representative of clustering algorithms,DBSCAN algorithm shows good performance in spatial data clustering.However,for large spatial databases,DBSCAN requires large volume of memory supprot and could incur substatial I/O costs because it operates directly on the entrie database,In this paper,several approaches are proposed to scale DBSCAN algorithm to large spatial databases.To begin with,a fast DBSCAN algorithm is developed.which considerably speeeds up the original DBSCAN algorithm,Then a sampling based DBSCAN algorithm,a partitioning-based DBSCAN algorithm,and a parallel DBSCAN algorithm are introduced consecutively.Following that ,based on the above-proposed algorithms,a synthetic algorithm is also given,Finally,some experimental results are given to demonstrate the effectiveness and efficiency of these algorithms.     

一种基于神经网络的规则获取方法

分类问题是数据挖掘中的一个重要问题，分类目的就是寻找规则，具体来说，就是从给定的数据集合中找出能把数据集划分成不相交的若干个组的规则，目前已有的在大型数据库中挖掘分类规则的数据挖掘方法，主要还是基于符号学习机制的决策树方法．本文研究了一种新型的规则抽取算法，能够从神经网络中抽取出较好的规则．