Spatial data methods and vague regions: A rough set approach

Uncertainty management has been considered essential for real world applications, and spatial data and geographic information systems in particular require some means for managing uncertainty and vagueness. Rough sets have been shown to be an effective tool for data mining and uncertainty management in databases. The 9-intersection, region connection calculus (RCC) and egg–yolk methods have proven useful for modeling topological relations in spatial data. In this paper, we apply rough set definitions for topological relationships based on the 9-intersection, RCC and egg–yolk models for objects with broad boundaries. We show that rough sets can be used to express and improve on topological relationships and concepts defined with these models.     

空间对象及其拓扑关系

论文首先讨论了传统的地理信息系统中空间对象的空间数据模型,提出了面向对象的层次矢量数据模型。然后定性地分析了空间对象点与点、点与线和点与区域之间的拓扑关系,并给出了一种形式化表达空间对象成分拓扑关系的模型。最后,将这种模型与空间对象之间的拓扑关系结合起来,使其可以方便地处理地理信息系统中的对象间的拓扑关系。     

地理信息系统中空间对象间拓扑关系的推理

首先讨论了地理信息系统中空间对象的空间数据模型,然后定性地分析了空间对象点与点、点与线和点与区域之间的拓扑关系,并给出了空间对象拓扑关系的推理算法.最后,将模糊技术与空间对象之间的拓扑关系的推理算法结合起来,使其可以方便地处理地理信息系统中的模糊性和不确定性.     

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。     

不确定性空间关系

空间关系在空间查询语言、基于内容的数据检索及空间分析中有重要作用。不确定性是空间关系的固有特性，但至今没有受到研究人员的足够重视。为了使人们对该理论有个概略了解，首先给出了空间关系不确定性的定义、内涵及其对空间关系应用的影响；然后从数据的不确定性、认知的不确定性以及空间关系分析处理的不确定性等3个方面详细地分析了空间关系不确定性的来源，同时提出了空间关系不确定性的处理方式，并以空间关系不确定性的3个来源为标准，评价并指出了定性空间关系表达方法的不足之处；最后，给出了用模糊集方法研究模糊空间关系的框架和主要内容，以便为不确定性空间关系的研究奠定基础。     

云理论及其在空间数据发掘和知识发现中的应用

云理论是以研究定性定量间的不生转换为基础的系统处理不确定性问题的一新理论,包括云模型,虚云,云运算,云变换,不确定性推理等内容,云理论为数据发掘和知识发现中的许多基础性关键问题提供了新的解决方法,如概念和知识表达,定性定量转换,概念的综合与分解,从数据中生成概念和概念层次结构等。     

A spatial model for complex objects with a broad boundary supporting queries on uncertain data

This paper proposes a new data model for spatial databases that supports spatial entities with a broad boundary. The model is proposed as a solution to the problem of handling uncertainty in spatial data. Broad boundaries absorb all the uncertainty by which spatial data are commonly affected and allow computations in presence of uncertainty without rough simplifications of the reality. A specific model for topological relations between regions with a broad boundary is then developed and hierarchically structured topological operators are proposed. Such operators allow users to progressively refine their queries and constitute the basis for a spatial extension to SQL. The model proposed in the paper can be easily integrated into existing data models for spatial databases.     

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.     

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。