空间数据索引与查询技术研究及其应用

由于空间数据本身的复杂性,以及目前对海量空间数据快速查询的要求日益提高,当前地理信息系统正面临着大数据量空间数据存储及管理的挑战。因此,该文在对当今空间存储方法及空间查询的一些主要技术进行比较和分析之后,提出了基于R树的优化的空间查询系统框架设计,并在一个地理信息系统的应用实例中实现了该设计。     

空间数据可视化的研究与发展

随着3S技术的融合和空间信息处理技术的发展和广泛应用,空间数据的可视化以及基于可视化技术的空间分析、空间数据挖掘和知识发现已经发展成为空间信息处理的重要手段和关键技术。可视化方法已由数据的空间展现逐步发展成为可以表现数据的内在复杂结构、关系和规律的技术。由静态空间关系的可视化发展到表示系统演变过程的可视化。可视化方法不仅用于数据的理解,而且用于空间知识的呈现。可视化技术充分利用了人对于色彩和空间的敏锐的感知能力使人机有机地融合,在空间信息和知识的发现过程中发挥着重要作用。该文总结了空间分析中可视化技术的研究成果,分析了可视化技术的发展现状,给出了可视化方法的分类。从认知和空间数据所表征的客观对象的复杂性及非线性动力学特征分析了其发展演化规律的可视化方法,并对空间数据可视化技术的现状及发展趋势进行探讨。     

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.     

空间数据的表示方法研究

为了提高空间数据的表示和处理能力，对空间对象进行准确的描述是非常必要的。根据空间对象的四类内在属性，设计出了能够准确表达空间对象的空间语义规则。通过用空间本体表示空间数据和用空间分类法对空间数据进行分类，将以往的空间数据处理提升为知识发现，从而提高了空间信息查询的查准率。     

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.     

空间数据挖掘的研究与发展

随着空间数据获取手段的快速发展,从大量空间数据中自动、快速、有效地发现知识显得越来越重要。该文简要介绍了空间数据挖掘技术的产生背景和发展现状,对空间数据挖掘的基本理论和主要研究领域进行了概述,总结了空间数据挖掘近年来的研究成果,并对下一步发展做了展望。     

基于Internet的GIS网格研究

为改善Internet上空间资源共享的环境,对当前Web GIS的空间资源共享问题结合网格技术进行了研究,从网格的角度阐释了空间信息网格、空间知识网格、空间数据网格和空间服务网格在内的GIS网格体系。     

基于Internet的GIS网格研究

为改善Internet上空间资源共享的环境，对当前WebGIS的空间资源共享问题结合网格技术进行了研究，从网格的角度阐释了空间信息网格、空间知识网格、空间数据网格和空间服务网格在内的GIS网格体系。     

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。     

浅析空间数据挖掘技术

空间数据挖掘是指从空间数据库中抽取隐含知识、空间关系或非显式存储在数据库中有意义的特征或模式。该技术在理解空间数据、获取空间与非空间数据间内在关系方面具有重要意义。     

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...     

空间关联规则的双向挖掘

空间数据库中关联规则挖掘不仅需要考虑关系元组属性之间的关系——纵向关系，更需要挖掘元组之间的关系——横向关系，如相邻、相交、重叠等。本文通过分析空间数据库的存储模式，借鉴事务数据库关联规则的挖掘方法，对空间关联规则进行完整定义，并对规则的兴趣度度量进行探讨。根据挖掘的方向将空间数据挖掘归纳为纵向挖掘、横向挖掘、双向挖掘。在双向挖掘中，提出一种新算法，该算法根据挖掘任务进行约束，缩小挖掘空间，然后通过空间计算将空间关系转化为非空间关系，经过多次循环，获取非空间项集，进而挖掘出空间关联规则。据此提出空间数据双向挖掘工作流程，并通过实例进行了验证。     

Spatial associative classification: propositional vs structural approach

In Spatial Data Mining, spatial dimension adds a substantial complexity to the data mining task. First, spatial objects are characterized by a geometrical representation and relative positioning with respect to a reference system, which implicitly define both spatial relationships and properties. Second, spatial phenomena are characterized by autocorrelation, i.e., observations of spatially distributed random variables are not location-independent. Third, spatial objects can be considered at different levels of abstraction (or granularity). The recently proposed SPADA algorithm deals with all these sources of complexity, but it offers a solution for the task of spatial association rules discovery. In this paper the problem of mining spatial classifiers is faced by building an associative classification framework on SPADA. We consider two alternative solutions for associative classification: a propositional and a structural method. In the former, SPADA obtains a propositional representation of training data even in spatial domains which are inherently non-propositional, thus allowing the application of traditional data mining algorithms. In the latter, the Bayesian framework is extended following a multi-relational data mining approach in order to cope with spatial classification tasks. Both methods are evaluated and compared on two real-world spatial datasets and results provide several empirical insights on them.     

一种基于进制转换的数值型关联规则分析方法

针对基于区间划分的数值型关联规则分析方法存在的问题,提出了一种基于进制转换的分析方法.此方法将十进制的属性值转换为二进制,并将二进制数值的每一位映射为二个布尔型属性,在此基础上,再采用布尔型关联规则分析方法.相对于基于区间划分的方法,此方法的优点是转化过程不存在失真,且能有效地降低后续分析过程的时间复杂度.     

基于概念格的空间聚类方法

空间聚类一直是空间数据挖掘研究的热点之一。现有的聚类方法大都局限于根据空间位置来进行空间聚类的,忽略了空间对象的专题属性,从而导致空间聚类结果有时完全不符合人的空间认知,缺乏合理的解释。为此,综合考虑空间对象的位置和专题属性,提出了一种基于概念格的空间聚类（Concept Lattices BasedSpatial Cluster,CLBSC）方法。该方法通过构建多维专题属性的概念格,简化了空间聚类计算。最后,通过两组实验对CLBSC算法进行了验证分析,研究结果表明：所提出的CLBSC算法是一种具有高可靠性和抗噪性的空间聚类算法。     

数据流挖掘技术及其在仿真中的应用

随着仿真系统复杂程度的增加和规模的增大,仿真时间越来越长,仿真所产生的数据量越来越大,使得仿真数据具有数据流的特性,因此可以采用数据流挖掘技术处理仿真数据.综述了数据流和数据流挖掘技术的主要特点;提出了基于数据流挖掘技术的仿真应用框架;设计了通用数据流挖掘成员,以便能够快速将数据流挖掘算法集成到基于HLA体系结构的仿真系统中,并以导弹突防仿真系统为例介绍了所设计的通用数据流关联规则挖掘成员.     

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J2EE的空间数据挖掘系统设计与实现

在分析空间数据挖掘特点的基础上，充分集成空间数据仓库技术、空间数据挖掘技术以及空间信息表达等技术，设计了一个基于J2EE的空间数据挖掘原型。重点介绍该原型系统的功能框架与体系结构、空间关联规则挖掘模块、挖掘结果的可视化表达模块的设计和实现办法。最后给出系统以某市土地利用现状数据集为例的空间关联规则挖掘结果界面。结果表明该系统可较好地满足可靠性、扩展性、可用性等业务需要。     

基于粗糙集和信息增益的属性约简改进方法

针对属性过多对于有效的数据挖掘很不利以及约简中差别矩阵的产生会占用较大存储空间的问题,提出了一种基于粗糙集和信息增益的属性约简改进算法.该算法首先采用信息增益技术对决策表属性进行相关分析,删除部分冗余属性,减小属性约简的复杂度,然后直接从决策表中提取出分明函数,求出属性约简.由于避免了分明矩阵的生成,因此该算法不仅节约了时间和空间,而且提高了效率.     

决策树算法在评估系统中的应用研究

它概述了数据挖掘的几种常用算法,在权衡利弊的情况下,选择了决策树算法,它的优点是描述简单、分类速度快．特别适合大规模的数据处理,另外,以其易于提取显式规则、计算量相对较小、可以显示重要的决策属性和具有较高的分类准确率,综合以上优点及教学评估数据的结构化特性,选择分类技术中的决策树方法用于教学评估数据挖掘系统。