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.     

基于空间数据仓库的数据采掘

文章介绍了数据采掘技术的定义、数据采掘的过程和主要技术手段以及空间数据仓库的定义、基本结构框架、处理流程和技术支持,分析了基于空间数据仓库的数据采掘特点。     

基于关系型数据库的空间数据组织管理及应用研究

空间数据的组织管理是GIS的基础和核心。目前,众多的传统关系型数据库都对空间数据存储进行了扩展,将空间数据和属性数据进行一体化存储。论文首先阐述了空间数据组织管理的技术发展及现状,以及OGC规范下的空间数据开放性和标准化,之后结合几种商用和开源空间数据库,介绍基于关系型数据库的空间数据解决方案及其在GIS中的应用。     

用MapX访问Oracle中的空间数据

采用数据库管理空间数据是当前的发展趋势，文中总结了Oracle数据库中空间数据的上载和存储机制，探讨了应用程序对Oracle数据库中空间数据的访问，并给出应用实例。     

关于空间数据库存储方式的探讨

空间数据库的发展主要依赖于空间数据存储方式的的发展.本文介绍了空间数据存储方式的演变和几种空间数据管理软件的空间数据存储方式.     

空间数据模型

1 介绍在地理信息、军事战争、医学解剖和电路设计等领域内,为了管理大量的空间数据,空间数据库得到了广泛的应用。进行空间数据库研究的目的是为了解决如何对空间数据进行有效的表示、存储和处理的问题。空间数据指的是由点、线、区域、面、体积等构成的空间对象,而作为一个空间数据库必须满足以下三个条件:(1)空间数据库系统必须是一个数据库系统;(2)必须在数据模型和查询语言中提供和支持空间数据类型(SDT);(3)在应用中支持空间数据类型,并且至少提供空间索引和关于空间联接的有效算法。     

空间数据存储模式的比较研究

空间数据存储是GIS发展中的瓶颈所在。本文叙述了空间数据存储技术发展的历程,并综述了其优缺点。然后重点分析比较了三种空间数据的存储模式,并探讨了空间数据库开发方案设计中比较合理的空间数据存储模式。     

空间数据库性能对比实验分析

空间数据库是管理空间数据的重要方式,亦是GIS的重要组成部分。介绍了空间数据库的概念和发展历程,分析了影响空间数据库性能的因素,进而探讨了图层加载、要素插入和空间计算等应用性能,设计了三组空间数据库的操作实验,对目前常用的几种空间数据库管理空间数据的性能进行了对比分析。     

大型分布式地理信息系统的技术与发展

随着地理信息系统和网络技术的发展,空间数据的处理正深入到各个专业应用领域,大型分布式地理信息系统对于空间数据的共享和互操作,以及专业领域应用系统集成具有重要的意义,本文通过对大型分布式地理信息系统的结构分析,介绍了硬件环境,系统软件和分布计算平台对大型分布式地理信息系统的影响,以及适应大型分布式地理信息系统空间数据共享和互操作发展要求的空间数据模型,海量空间数据库和空间数据操作服务技术,以及应用系统集成技术。     

GIS空间数据管理模式探讨

GIS所涉及的主要是空间数据，所以对于GIS数据库的大量研究都跟空间数据结构和管理模式相关。该文分析了GIs空间数据的特点及其对数据库管理系统的要求，探讨了几种GIS空间数据的管理模式。     

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。     

空间数据挖掘的回顾与展望

数据挖掘的研究已从关系型和事务型数据库扩展到了空间数据库。文章试就空间数据挖掘各个方面的内容作一个详细的回顾，同时也探讨了这一领域的发展方向。     

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。     

空间数据挖掘及其在3S集成系统的应用研究

数据挖掘作为一项从大量数据中获取有用知识的实用技术,已广泛应用于各行各业并取得了巨大的经济和社会效益,而其在3S集成系统的应用也具有巨大的潜力。文中概要介绍了数据挖掘技术的理论、过程及方法,将其扩展到空间数据库的基础上进行探讨,总结出空间数据挖掘的一般常用规则及方法,并提出其挖掘模型,最后给出其在3S集成系统中的应用实例,结果表明其对空间环境分析、虚拟仿真显示、决策智能支持具有重要基础意义。     

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。     

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.     

k-近邻关系下的空间高效用核模式挖掘

空间数据挖掘旨在从空间数据库中发现和提取有价值的潜在知识.空间co-location(共存)模式挖掘一直以来都是空间数据挖掘领域的重要研究方向之一,其目的是发现一组频繁邻近出现的空间特征子集,而空间高效用co-location模式挖掘则考虑了特征的效用属性.二者在度量空间实例的邻近关系时一般都需要预先给定一个距离阈值d,挖掘算法的效率很受距离阈值d的影响,尤其对分布不均匀的数据集表现不好.另外,传统的空间高效用模式挖掘在分析评估模式的效用时,将模式中所有特征的效用值都计算到模式效用中是不合理的,如在国内5A级景区周围进行高收益商业项目的规划时,项目的预期收益本身不应包含景点的收益.基于上述问题,本文在空间高效用co-location模式挖掘过程中融入了空间k-近邻计算,使得空间实例之间的邻近关系更为客观、合理.进一步地,定义了核元素和核模式等概念,对核模式效用的高低进行了度量,并提出了k-近邻关系下的空间高效用核模式挖掘的通用框架,设计了一个行之有效的基本挖掘算法,考虑到核模式效用度不满足反单调性质,在基本算法之上提出了4个剪枝策略.大量的实验结果表明本文方法挖掘到的空间高效用核模式更具有现实意义,在同等的参数设置下,剪枝优化算法的效率比基本算法至少提高了50%.     

基于张力样条插值函数的土地数据挖掘

张力样条插值函数在给定区间上分段逼近真值。该文提出以张力样条插值函数挖掘土地知识。首先,分析了土地的均质地域、样点、价格等空间属性,总结了量化属性作用的规则。其次,把张力样条插值函数引入空间数据挖掘,给出了应用其发现知识的方法。最后,文章提出的方法被应用于南宁市的地价挖掘。     

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。